Alat kecerdasan buatan dengan cepat mengidentifikasi tanda-tanda penggunaan narkoba suntik dalam catatan kesehatan pasien


Alat kecerdasan buatan dengan cepat mengidentifikasi tanda-tanda penggunaan narkoba suntik dalam catatan kesehatan pasien

Jarum heroin di jalan. Kredit foto: Wikimedia Commons

Proses otomatis yang menggabungkan pemrosesan bahasa alami dan pembelajaran mesin mengidentifikasi obat suntik (PWID) dalam catatan kesehatan elektronik lebih cepat dan lebih akurat daripada metode saat ini yang mengandalkan tinjauan catatan manual.

Saat ini, orang yang menyuntikkan narkoba diidentifikasi oleh kode Klasifikasi Penyakit Internasional (ICD) yang disediakan dalam catatan kesehatan elektronik pasien oleh penyedia layanan kesehatan atau diambil dari catatan ini oleh pembuat kode manusia terlatih yang meninjaunya untuk tujuan penagihan. Tetapi tidak ada kode ICD khusus untuk penggunaan narkoba suntik, sehingga penyedia dan pembuat kode harus mengandalkan kombinasi kode non-spesifik sebagai proxy untuk mengidentifikasi penyandang disabilitas – pendekatan lambat yang dapat menyebabkan ketidakakuratan.

Para peneliti secara manual meninjau 1.000 catatan dari 2003 hingga 2014 orang yang dirawat di rumah sakit Administrasi Veteran dengan bakteremia Staphylococcus aureus, infeksi umum yang berkembang ketika bakteri memasuki lubang di kulit, seperti tempat suntikan. Mereka kemudian mengembangkan dan melatih algoritme menggunakan pemrosesan bahasa alami dan pembelajaran mesin dan membandingkannya dengan 11 kombinasi proxy kode ICD untuk mengidentifikasi penyandang disabilitas.

Keterbatasan penelitian termasuk dokumentasi yang berpotensi buruk oleh penyedia. Selain itu, kumpulan data yang digunakan berasal dari tahun 2003 hingga 2014, tetapi epidemi penggunaan narkoba suntikan telah bergeser dari resep opioid dan heroin menjadi opioid sintetis seperti fentanil, yang mungkin tidak ada algoritmenya, mengingat kumpulan data yang digunakan untuk mempelajari klasifikasi , bukan banyak sampel mengandung obat ini. Akhirnya, karena hasilnya sepenuhnya didasarkan pada data Administrasi Veteran, mereka mungkin tidak dapat diekstrapolasikan ke keadaan lain.

Menggunakan model kecerdasan buatan ini sangat mempercepat proses mengidentifikasi penyandang disabilitas, yang dapat meningkatkan pengambilan keputusan klinis, penelitian perawatan kesehatan, dan pengawasan administratif.

“Dengan menggunakan pemrosesan bahasa alami dan pembelajaran mesin, kami dapat mengidentifikasi penyuntikkan obat dari ribuan catatan dalam hitungan menit, dibandingkan dengan beberapa minggu yang akan membutuhkan peninjau manual,” kata penulis utama Dr. David Goodman-Meza, asisten profesor kedokteran di Divisi Penyakit Menular di Sekolah Kedokteran David Geffen di UCLA. “Ini akan memungkinkan sistem kesehatan untuk mengidentifikasi penyandang disabilitas untuk mengalokasikan sumber daya dengan lebih baik seperti program layanan jarum suntik dan penggunaan narkoba serta perawatan kesehatan mental bagi pengguna narkoba.”

Studi ini akan dipublikasikan di jurnal peer-review Penyakit menular forum terbuka.


Para peneliti menggunakan alat kecerdasan buatan untuk mempercepat informasi penting tentang kematian overdosis obat


Informasi lebih lanjut:
David Goodman-Meza dkk, Pemrosesan Bahasa Alami dan Pembelajaran Mesin untuk Mengidentifikasi Penyuntikan Narkoba dalam Rekam Medis Elektronik, Penyakit menular forum terbuka (2022). DOI: 10.1093/ofid/ofac471

Disediakan oleh University of California, Los Angeles

Kutipan: Alat Kecerdasan Buatan Cepat Mendeteksi Tanda Penggunaan Narkoba Suntik di Rekam Medis (2022 September 22) Diperoleh 22 September 2022 dari https://medicalxpress.com/news/2022-09-artificial-intelligence-tools-quickly- drugs.html

Dokumen ini dilindungi oleh hak cipta. Kecuali untuk perdagangan yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten hanya untuk tujuan informasi.





Source link

Baca Juga:  Kadal di bagasi Anda? Kecerdasan buatan sekarang digunakan untuk mengungkap perdagangan satwa liar