A Fujitsu MI-alap√ļ technol√≥gi√°val automatiz√°lja az orvosi sz√∂vegek k√≥dol√°s√°t

A Fujitsu Laboratories of Europe bemutatta az elektronikus egészségügyi adatok (EHR) kezelését és a strukturálatlan (szabadszöveges) orvosi feljegyzések feldolgozását automatizáló megoldását. Az új MI-technológia a nagyobb pontosságának köszönhetŇĎen több mint 90%-kal mérsékli a folyamathoz szükséges idŇĎt. 

A kötelezŇĎ egészségügyi osztályozásoknak megfelelŇĎ, új automatikus kódolási megoldás jellemzŇĎen kevesebb mint 1 perc alatt kivonatolja a feljegyzéseket, szemben a manuális klinikai feldolgozás 15 perces idŇĎigényével. A korábbi megoldásokkal ellentétben a Fujitsu MI-alapú szövegbányászati technológiája a szemantikai tudást természetes nyelvfeldolgozással (Natural Language Processing, NLP) és mélytanulási képességekkel ötvözve elemzi az orvosi feljegyzéseket és kivonatolja a fontos adatokat. 

 

A Fujitsu Laboratories of Europe több innovációs partnerrel – köztük Madrid vezetŇĎ egészségügyi intézményével, a San Carlos klinikai kórházzal – bonyolított le sikeres klinikai projekteket az elmúlt 4 évben. A kórház orvosigazgatója, dr. Julio Mayol, szakmai szempontból így magyarázza a Fujitsu által alkalmazott „co-creation” szemlélet jelentŇĎségét: „Folyamatosan keressük a klinikai döntéshozás továbbfejlesztésére alkalmas, új módszereket. A Fujitsu Laboratories of Europe-pal folytatott közös munka lehetŇĎvé teszi, hogy fontos fejlesztéseket vegyünk igénybe a hatékonyság javítására. A ma elérhetŇĎ elektronikus egészségügyi adatfeldolgozó rendszerek többsége nem elégíti ki az orvos-beteg kapcsolat követelményeit. SŇĎt, az ilyen rendszerek használatát több vizsgálat is közvetlen összefüggésbe hozta a klinikai dolgozók kiégésének jelenségével. A Fujitsu új MI-alapú szövegbányászati technológiája segítségével közvetlenül tudjuk kezelni ezt a problémát, és kézzelfogható javulást érhetünk el a klinikai döntéshozási folyamat hatékonyságában.”

 

 

A Fujitsu Laboratories of Europe vezérigazgatója, dr. Adel Rouz, így folytatja: „A San Carlos klinikai kórházhoz  hasonló partnerek esetében követett co-creation stratégia lehetŇĎvé tette, hogy betekintsünk az egészségügyi ágazat kihívásaiba, különös tekintettel a klinikai döntéshozás nehézségeire. Több olyan fontos innovációval is sikerült elŇĎállnunk, amelyek megváltoztatják az egészségügyi személyzet által követett munkafolyamatot. Ez újabb lépést jelent a klinikai adatok pontosságának növelése és digitalizálásuk automatizálása felé a kórházak, az egészségbiztosító társaságok és a kormányzati szervek számára. Úgy gondoljuk, hogy technológiánk szélesebb körben is alkalmazható, és más területek (pl. biztosítás, jog vagy megfelelés) hasonló kihívásainak legyŇĎzésére is jól adaptálható.” 

 

A strukturált információk kulcsszerepet játszanak az orvosi döntéshozásban és az egészségügyi ellátás színvonalának javításában. A klinikai szakembereknek azonban egyre kevesebb idejük van a betegekkel foglalkozni, és terhelésüket tovább fokozza, hogy az adatokat kötelesek azonnal bevinni az elektronikus adatkezelŇĎ rendszerekbe. A rugalmasabb adatbeviteli módszerek (pl. a betegekrŇĎl készített jelentések szabadszöveges narratívája) csökkentik az idŇĎigényt, és hasznosabb, relevánsabb betegadatok rögzítését teszik lehetŇĎvé. A Fujitsu Laboratories és a Fujitsu Laboratories of Europe közös megoldásának bevált természetes nyelvfeldolgozási technikái közvetlenül reagálnak erre a szükségletre azzal, hogy automatikusan kivonatolják az adatfeldolgozó rendszerek számára szükséges strukturált információt a klinikai személyzet beszámolóiból. A szakemberek egyéni igényeire mélytanulási technikával felkészíthetŇĎ megoldás a más kódoló rendszerek által alkalmazott komplex nyelvészeti szabályokhoz képest nagyobb rugalmasságot nyújt a szabad szöveg megfelelŇĎ kifejezéseinek azonosításához. EbbŇĎl eredŇĎen nagyfokú pontosságot biztosít, és a kezelés megfelelŇĎségére vagy a beteg társadalmi hátterére vonatkozóan többféle kifejezést képes kivonatolni, mint ami a betegségek és az egészséggel kapcsolatos problémák nemzetközi statisztikai osztályozásában (ICD) szerepel. 

 

A Fujitsu MI-alapú megoldása a szövegbányászatot mélytanulási technikákkal ötvözi az egészségügyi kódolási munkafolyamat konkrét lépései során, így nem igényel elŇĎre feldolgozott óriási adatsorokat a mŇĪködéshez. A Fujitsu megoldásának két fŇĎ komponense: 

  • tudásbázis létrehozása: a rendszer tudásgráfot alakít ki az egészségügyi osztályozások leképezéséhez, amelyeket szemantikailag külsŇĎ forrásokkal is kiegészít. A szemantikai kiegészítés további kontextust biztosít az egészségügyi osztályozásokhoz, ami a folyamat egymást követŇĎ szakaszai során jobb eredmények elérését teszi lehetŇĎvé. A szemantikai kiegészítés eszközei között ontológiák és szóbeágyazási technikák is szerepelnek.
  • felismerés és hozzárendelés: az orvosi kifejezések mélytanulásra épülŇĎ felismerési folyamata, ami után a rendszer súlyozott pontszámok szerint rangsorolt képletek definiálásával kiszámítja a bevitt klinikai jegyzetek potenciális kódolását. 

 

A Fujitsu automatikus kódolást támogató, MI-alapú egészségügyi szövegbányászati folyamata

 

A Fujitsu MI-technológiáját két angol nyelvŇĪ adatsoron értékelték. Ezek 200 anonimizált privát klinikai feljegyzést és 5000 zárójelentést tartalmaztak egy MIMIC-III forrásból kivonatolva . A Fujitsu technológiájának további elŇĎnye, hogy könnyen adaptálható bármilyen egészségügyi osztályozásra vagy más nyelvekre, és nem igényel óriási elŇĎre feldolgozott adatsorokat. 

 

Az egészségügyi kódolási folyamat pontosságának javításával a Fujitsu technológiája hozzájárul az egységes eredmények eléréséhez, és idŇĎt takarít meg a szakemberek számára. A feldolgozott és kivonatolt információt a kormányzati szervek az egészségpolitika megtervezésére, a kutatók az orvosi kezelések hatékonyságának javítására, biztosítótársaságok a díjkalkuláció támogatására, a klinikusok pedig diagnosztikai és kezelési célokra használhatják. A Fujitsu új megoldását 2019 során a San Carlos Innovációs Központtal folytatott együttmŇĪködŇĎ kutatási programban is alkalmazni fogják.

 
 
 

Kapcsolódó cikkek

 

Belépés

 

 

Regisztráció