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


HASIL

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.

LATAR BELAKANG

Saat ini, orang yang menyuntikkan narkoba diidentifikasi menggunakan kode Klasifikasi Penyakit Internasional (ICD) yang disediakan dalam catatan kesehatan elektronik pasien oleh penyedia layanan kesehatan atau diambil dari catatan tersebut oleh pembuat kode manusia terlatih yang meninjaunya untuk tujuan penagihan. Namun, 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.

METODE

Para peneliti secara manual meninjau 1.000 catatan dari tahun 2003 hingga 2014 orang yang dirawat di rumah sakit Administrasi Veteran Stafilokokus aureus Bakteremia, infeksi umum yang terjadi ketika bakteri memasuki lubang di kulit, seperti: B. di 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.

Also Read :  Cadangan FX Jepang jatuh dengan rekor dalam shakeout dan intervensi FX

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.

Also Read :  Model bahasa AI bisa menyinggung atau bias terhadap penyandang disabilitas

PUKULAN

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

KOMENTAR

“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 mengidentifikasi penyandang disabilitas untuk mengalokasikan sumber daya dengan lebih baik seperti program layanan jarum suntik dan penggunaan zat serta perawatan kesehatan mental bagi pengguna narkoba.”

Also Read :  Populisme harus diganti

PENULIS

Peneliti lain dalam penelitian ini adalah Dr. Amber Tang, dr. Matthew Bidwell Goetz dari UCLA, Steven Shoptaw, dan Alex Bui; dr Michihiko Goto dari Universitas Iowa dan Pusat Medis Kota Iowa, VA; dr Babak Aryanfar dari VA Greater Los Angeles Healthcare System; Sergio Vazquez dari Dartmouth College; dan dr Adam Gordon dari Universitas Utah dan Sistem Perawatan Kesehatan Kota Salt Lake VA. Goodman-Meza dan Goetz juga memiliki janji temu dengan VA Greater Los Angeles Healthcare System.

BUKU HARIAN

Studi ini diterbitkan dalam jurnal Open Forum Infectious Diseases.

PEMBIAYAAN

Institut Penyalahgunaan Narkoba Nasional AS mendanai penelitian ini.





Source link