6 лучших приложений обработки естественного языка в здравоохранении
Для многих поставщиков медицинских услуг эта отрасль становится все более сложной из-за проблем регулирования, финансовых потрясений и непредвиденных вспышек негодования со стороны практикующих врачей, находящихся на грани бунта. В настоящее время отрасль использует возможность для расширения защиты больших данных и развития технологической инфраструктуры, необходимой для решения неизбежных проблем.
Однако борьба за осмысление данных, собранных в процессе, может продолжаться годами. Поскольку система здравоохранения начала внедрять передовые технологии, огромное количество данных собирается в разрозненных хранилищах. Медицинские организации хотят оцифровать процессы, но не нарушать без надобности устоявшиеся клинические рабочие процессы. Таким образом, сейчас у нас 80% неструктурированных и некачественных данных. Это подводит нас к актуальной проблеме извлечения и использования данных в сфере здравоохранения с помощью различных приложений обработки естественного языка в здравоохранении.
Эти данные в том виде, в котором они есть сегодня, и учитывая количество времени и усилий, которые потребуются людям для их чтения и переформатирования, непригодны для использования. Таким образом, мы пока не можем принимать эффективные решения в здравоохранении с помощью аналитики из-за формы, в которой находятся наши данные. Следовательно, существует большая потребность в использовании этих неструктурированных данных по мере перехода от модели здравоохранения с оплатой за услуги к уходу, основанному на ценности.
Здесь на помощь приходит обработка естественного языка, подкатегория искусственного интеллекта. Чат-боты на основе НЛП уже обладают способностями хорошо и по-настоящему имитировать человеческое поведение и выполнять множество задач. Когда дело доходит до реализации того же в гораздо более широком сценарии использования, например в больнице, его можно использовать для анализа информации и извлечения критически важных строк данных, тем самым давая нам возможность использовать неструктурированные данные.
Это расширение может сэкономить драгоценные деньги и время медицинским организациям за счет автоматизации отчетов о качестве и создания реестров пациентов. Давайте рассмотрим различные применения обработки естественного языка в здравоохранении и ее возможные преимущества для отрасли.
Применение НЛП в здравоохранении
Исследования показывают, что обработка естественного языка в здравоохранении, как ожидается, вырастет с 1030,2 млн долларов США в 2016 году до 2650,2 млн долларов США в 2021 году при среднегодовом темпе роста 20,8 процента в течение прогнозируемого периода.
НЛП, ветвь ИИ, в первую очередь направлено на сокращение расстояния между возможностями человека и машины. По мере того, как в сфере здравоохранения становится все больше и больше, провайдеры сосредотачиваются на разработке решений, которые могут понимать, анализировать и генерировать языки, понятные людям.
Также существует потребность в системах распознавания голоса, которые могут автоматически отвечать на запросы пациентов и пользователей здравоохранения. Как поясняется ниже, существует еще много приложений НЛП в здравоохранении.
- Справиться с ростом клинических данных
Более широкое использование систем медицинской карты пациентов и цифровая трансформация медицины привели к резкому увеличению объема данных, доступных медицинским организациям. Необходимость разобраться в этих данных и получить достоверную информацию является одним из основных факторов.
- Поддержка ухода на основе ценностей и управления здоровьем населения
Изменение бизнес-моделей и ожидаемых результатов вызывает потребность в более эффективном использовании неструктурированных данных. Традиционные системы медицинской информации сосредоточены на извлечении ценности из 20 процентов данных здравоохранения, которые поступают в структурированных форматах через клинические каналы.
Для передовых систем медицинской карты пациентов, управляемого медицинского обслуживания, приложений PHM, а также аналитики и отчетности существует острая необходимость в использовании резервуара неструктурированной информации, которая только накапливается в медицинских организациях.
НЛП в здравоохранении может решить эти проблемы с помощью ряда сценариев использования. Давайте рассмотрим несколько из них:
- Улучшение клинической документации. Решения для электронных медицинских карт часто имеют сложную структуру, поэтому документирование данных в них является проблемой. С помощью преобразования речи в текст данные могут быть автоматически записаны в месте оказания медицинской помощи, освобождая врачей от утомительной задачи документирования оказания медицинской помощи.
- Повышение эффективности CAC. С помощью НЛП можно во многих отношениях улучшить кодирование с помощью компьютера. CAC извлекает информацию о процедурах для сбора кодов и увеличения количества заявлений. Это действительно может помочь HCO перейти от модели оплаты услуг к модели, основанной на стоимости, тем самым значительно улучшив качество обслуживания пациентов.
- Улучшение взаимодействия между пациентом и поставщиком медицинских услуг с помощью EHR
В наши дни пациенты нуждаются в безраздельном внимании со стороны своих лечащих врачей. Это заставляет врачей чувствовать себя перегруженными и измотанными, поскольку им приходится предлагать персонализированные услуги, а также управлять обременительной документацией, включая услуги по выставлению счетов.
Исследования показали, как большинство специалистов по уходу переживают эмоциональное выгорание на рабочем месте. Интеграция обработки естественного языка с системами электронных медицинских карт поможет снять нагрузку с врачей и упростить анализ. Виртуальные помощники, такие как Siri, Cortana и Alexa, уже используются в медицинских организациях, работая в качестве административных помощников, помогая выполнять задачи по обслуживанию клиентов и выполнять обязанности службы поддержки.
Вскоре НЛП в здравоохранении может заставить виртуальных помощников перейти на клиническую сторону отрасли здравоохранения в качестве помощников по оформлению заказов или медицинских писцов.
- Расширяйте возможности пациентов с помощью санитарной грамотности
Поскольку разговорный ИИ уже пользуется успехом в сфере здравоохранения, ключевым вариантом использования и преимуществом внедрения этой технологии является способность помочь пациентам понять свои симптомы и получить больше информации об их условиях. Узнав больше о своем состоянии здоровья, пациенты могут принимать обоснованные решения и следить за своим здоровьем, взаимодействуя с интеллектуальным чат-ботом.
В исследовании 2017 года исследователи использовали решения НЛП, чтобы сопоставить клинические термины из своих документов с их аналогами на непрофессиональном языке. Поступая таким образом, они стремились улучшить понимание ЭМК пациентов и удобство работы с порталом для пациентов. Обработка естественного языка в здравоохранении может улучшить понимание пациентами порталов ЭУЗ, открывая возможности для их большей осведомленности о своем здоровье.
- Удовлетворение потребности в более высоком качестве здравоохранения
НЛП может быть лидером в оценке и улучшении качества здравоохранения, измеряя работу врачей и выявляя пробелы в оказании помощи.
Исследования показали, что искусственный интеллект в здравоохранении может упростить процесс оценки врачом и автоматизировать диагностику пациентов, сокращая время и человеческие усилия, необходимые для выполнения рутинных задач, таких как диагностика пациентов. НЛП в здравоохранении также может выявлять и устранять потенциальные ошибки при оказании помощи. Исследование показало, что НЛП также можно использовать для измерения качества здравоохранения и мониторинга соблюдения клинических рекомендаций.
- Выявление пациентов, нуждающихся в улучшенном лечении
Инструменты машинного обучения и НЛП обладают возможностями, необходимыми для выявления пациентов со сложными состояниями здоровья, которые в анамнезе страдали психическим здоровьем или злоупотребляли психоактивными веществами и нуждаются в улучшенном уходе. Такие факторы, как отсутствие продовольственной безопасности и жилищная нестабильность, могут сдерживать протоколы лечения, тем самым вынуждая этих пациентов нести большие расходы в течение своей жизни.
Данные о социальном статусе и демографии пациента часто труднее найти, чем их клиническую информацию, поскольку они обычно представлены в неструктурированном формате. НЛП может помочь решить эту проблему. НЛП также можно использовать для улучшения координации помощи пациентам с нарушениями психического здоровья. И обработка естественного языка, и машинное обучение могут использоваться для сбора данных о пациентах и выявления тех, кто рискует выпасть из каких-либо пробелов в системе здравоохранения.
Поскольку отрасль здравоохранения генерирует как структурированные, так и неструктурированные данные, организациям здравоохранения крайне важно уточнить и то, и другое, прежде чем внедрять NLP в здравоохранение.
Какую выгоду для здравоохранения принесет интеграция НЛП?
Обработка естественного языка в сфере здравоохранения может помочь повысить точность и полноту электронных записей за счет преобразования свободного текста в стандартизованные данные. Это также могло бы упростить документирование, позволяя поставщикам медицинских услуг диктовать записи, поскольку НЛП превращает их в документированные данные.
Компьютерное кодирование - еще одно отличное преимущество НЛП в здравоохранении. Его можно рассматривать как серебряную пулю в вопросах добавления значительных деталей и внесения специфики в клиническую документацию. Для поставщиков услуг, нуждающихся в решении сложных проблем пациентов на месте, NLP может использоваться для поддержки принятия решений. Часто цитируемым примером и воплощением НЛП в здравоохранении является IBM Watson. У него огромный интерес к академической литературе и растущему опыту в поддержке принятия клинических решений в области точной медицины и лечения рака. В 2014 году IBM Watson использовалась для исследования того, как можно использовать НЛП и машинное обучение для выявления пациентов с сердечными заболеваниями и помощи клиницистам сделать первый шаг в оказании медицинской помощи.
К данным пациентов были применены алгоритмы обработки естественного языка, и несколько факторов риска были автоматически обнаружены из записей в медицинских записях. Поскольку в здравоохранении наблюдается бурный рост данных, касающихся не только геномов, но и всего остального, отрасли необходимо найти лучший способ извлекать из них релевантную информацию и объединять ее, чтобы помочь клиницистам основывать свои решения на фактах и выводах.
Каким будет будущее обработки естественного языка в здравоохранении
Проекты семантической аналитики больших данных и когнитивных вычислений, основанные на НЛП, получают значительные инвестиции в здравоохранение со стороны некоторых известных игроков.
Allied Market Research предсказывает, что к 2020 году рынок когнитивных вычислений будет стоить 13,7 миллиарда долларов в разных отраслях. Та же компания прогнозирует, что к 2020 году на текстовую аналитику будет потрачено 6,5 миллиарда долларов.
В конце концов, инструменты обработки естественного языка смогут преодолеть разрыв между непреодолимым объемом данных в здравоохранении, генерируемых каждый день, и ограниченными когнитивными возможностями человеческого мозга.
NLP нашло применение в здравоохранении, начиная от самых передовых решений в области точной медицины до простой работы по кодированию требований о возмещении расходов или выставлении счетов. Эта технология имеет далеко идущие последствия для отрасли здравоохранения, если она будет реализована. Однако ключом к успеху внедрения этой технологии будет разработка интеллектуальных, точных и специфичных для основных проблем отрасли алгоритмов. НЛП должно будет соответствовать двойной цели извлечения данных и представления данных, чтобы пациенты могли вести точную запись своего здоровья в понятных им терминах. Если это произойдет, то в сфере здравоохранения не будет никаких препятствий для улучшения физической работоспособности.
В заключение, обработка естественного языка в здравоохранении действительно подходит для преодоления разрыва между огромным объемом данных, генерируемых ежедневно, и ограниченными когнитивными способностями человеческого разума. От самых современных приложений до простой задачи кодирования требований для выставления счетов и возмещения - NLP в здравоохранении имеет неограниченный потенциал для превращения данных и процессов из обременения в благо.
