Преимущества технологии обработки естественного языка
Используя технологии обработки естественного языка, учёные могут просеивать неструктурированные данные. Это позволяет значительно улучшить уход за пациентами, углубить исследования и точнее диагностировать заболевания.
Для того чтобы обеспечить высокое качество ухода за пациентами и достичь положительных результатов, исследователям и врачам требуется полный доступ к данным о пациентах и медицинской литературе. Однако 80 процентов важных данных скрыты в неструктурированных клинических заметках, научных статьях и материалах конференций, что значительно затрудняет моментальный доступ к необходимой клинической информации.
Искусственный интеллект способен помочь исследователям справиться с этой задачей, используя технологии обработки естественного языка (NLP). Эти методы позволяют сортировать неструктурированные данные и превращать их в ценные инсайты, которые могут улучшить уход за пациентами, поддержать научные исследования и повысить точность диагностики заболеваний.
Искусственный интеллект способен помочь исследователям справиться с этой задачей, используя технологии обработки естественного языка (NLP). Эти методы позволяют сортировать неструктурированные данные и превращать их в ценные инсайты, которые могут улучшить уход за пациентами, поддержать научные исследования и повысить точность диагностики заболеваний.
Что же такое обработка естественного языка?
Это обобщающий термин, который обозначает применение компьютерных алгоритмов для выявления ключевых компонентов в повседневной речи, извлечения смысла из неструктурированного или письменного ввода и превращения его в полезные данные. NLP включает использование искусственного интеллекта, вычислительной лингвистики и других методов машинного обучения.
Вот некоторые из конкретных задач, которые могут выполнять системы NLP:
Многие системы NLP "обучаются" со временем, усваивая результаты предыдущего использования в качестве обратной связи, чтобы определять, какие результаты были точными, а какие не соответствовали нуждам исследования.
Вот некоторые из конкретных задач, которые могут выполнять системы NLP:
- Сокращение длинных блоков текста, например, клинических заметок или статей из академических журналов, путём выделения ключевых понятий и фраз, содержащихся в материале.
- Сопоставление данных из неструктурированного текста с структурированными полями в электронной медицинской карте для улучшения целостности клинических данных.
- Преобразование данных из машинных форматов обратно в естественный язык для целей отчётности и образования.
- Ответ на уникальные текстовые запросы, требующие синтеза данных из нескольких источников.
- Использование технологии оптического распознавания символов для превращения изображений, таких как PDF-документы или сканы отчётов, в текстовые файлы, которые затем можно анализировать.
- Проведение распознавания речи, позволяющее пользователям диктовать клинические заметки или другую информацию, которая затем превращается в текст.
Многие системы NLP "обучаются" со временем, усваивая результаты предыдущего использования в качестве обратной связи, чтобы определять, какие результаты были точными, а какие не соответствовали нуждам исследования.
Как NLP может улучшить уход за пациентами и научные исследования?
Георгтаунский медицинский центр принял решение использовать инструменты на основе искусственного интеллекта для работы с неструктурированными данными и улучшения научных исследований. В частности, был внедрен инструмент для интеллектуального анализа текстов в электронных медицинских записях. Этот инструмент позволяет врачам быстро искать решения в больших объемах медицинской литературы, поддерживая принятие клинических решений в реальном времени.
«Я часто общаюсь с врачами и обсуждаю с ними вопросы поиска данных. Их главная жалоба заключается в том, что они не могут быстро найти точную информацию, которую ищут. Поиск получается слишком неточным. Им требуется слишком много времени и усилий, чтобы добраться до нужной информации», — поделился Джонатан Хартманн, клинический информатик из Георгтаунского университета, в интервью для HealthITAnalytics.
Инструменты, использующий технологии обработки естественного языка, помогают анализировать текст на наличие ключевых фраз. Полученная информация может помочь врачам определить наилучший курс лечения для пациентов.
Те же технологии искусственного интеллекта позволяют исследовательским группам искать в литературе и медицинских записях гены, связанные с определёнными заболеваниями, чтобы лучше понять молекулярные процессы и продвигать разработку лекарств.
«Эти инструменты позволяют врачам очень быстро и эффективно искать текст большого количества статей, точно извлекая интересующую их информацию. Традиционные поисковые системы могут находить и выдавать 50 статей, некоторые из которых могут содержать нужную информацию», — продолжил Хартманн.
«Однако врачам пришлось бы читать аннотацию или даже полный текст каждой из этих статей, чтобы найти одну или две статьи с нужной информацией. Сейчас они могут сразу определить эти две статьи, не тратя время на просмотр всех 50».
Кроме того, технологии используют возможности обработки естественного языка для поиска по всему тексту статьи, чтобы выявить концепции и взаимосвязи в литературе, что позволяет обеспечить высокое качество медицинского обслуживания. Традиционные методы интеллектуального анализа текста без возможностей обработки естественного языка не могут выполнять такие задачи.
Использование полных данных позволяет врачам предоставлять пациентам высокий уровень медицинской помощи. По словам Хартманна, в неструктурированных данных и литературе содержится огромное количество информации, которая может играть важную роль в принятии клинических решений.
«Я часто общаюсь с врачами и обсуждаю с ними вопросы поиска данных. Их главная жалоба заключается в том, что они не могут быстро найти точную информацию, которую ищут. Поиск получается слишком неточным. Им требуется слишком много времени и усилий, чтобы добраться до нужной информации», — поделился Джонатан Хартманн, клинический информатик из Георгтаунского университета, в интервью для HealthITAnalytics.
Инструменты, использующий технологии обработки естественного языка, помогают анализировать текст на наличие ключевых фраз. Полученная информация может помочь врачам определить наилучший курс лечения для пациентов.
Те же технологии искусственного интеллекта позволяют исследовательским группам искать в литературе и медицинских записях гены, связанные с определёнными заболеваниями, чтобы лучше понять молекулярные процессы и продвигать разработку лекарств.
«Эти инструменты позволяют врачам очень быстро и эффективно искать текст большого количества статей, точно извлекая интересующую их информацию. Традиционные поисковые системы могут находить и выдавать 50 статей, некоторые из которых могут содержать нужную информацию», — продолжил Хартманн.
«Однако врачам пришлось бы читать аннотацию или даже полный текст каждой из этих статей, чтобы найти одну или две статьи с нужной информацией. Сейчас они могут сразу определить эти две статьи, не тратя время на просмотр всех 50».
Кроме того, технологии используют возможности обработки естественного языка для поиска по всему тексту статьи, чтобы выявить концепции и взаимосвязи в литературе, что позволяет обеспечить высокое качество медицинского обслуживания. Традиционные методы интеллектуального анализа текста без возможностей обработки естественного языка не могут выполнять такие задачи.
Использование полных данных позволяет врачам предоставлять пациентам высокий уровень медицинской помощи. По словам Хартманна, в неструктурированных данных и литературе содержится огромное количество информации, которая может играть важную роль в принятии клинических решений.
Как NLP помогает в диагностике заболеваний?
Технологии обработки естественного языка не только помогают врачам определять оптимальные варианты лечения, но и играют ключевую роль в диагностике заболеваний. Недавнее исследование, проведённое Kaiser Permanente, ярко продемонстрировало потенциал NLP в здравоохранении, позволив врачам выявить более 50 000 пациентов с аортальным стенозом.
Исследование проводилось под руководством доктора Мэтью Соломона, кардиолога из The Permanente Medical Group и исследователя в Kaiser Permanente Division of Research в Окленде, Калифорния. Соломон отметил, что, несмотря на то что современная медицина вступила в эпоху больших данных и аналитики данных, идентификация пациентов с такими сложными состояниями, как клапанные заболевания сердца, остаётся вызовом. Это затрудняет изучение этих заболеваний, отслеживание клинических практик и управление здоровьем населения.
«В настоящее время системы здравоохранения отслеживают пациентов с помощью кодов диагностики или процедур, которые в основном создаются для целей выставления счетов. Эти коды могут быть весьма неточными и мало пригодны для клинической работы или исследований», — поделился Соломон в интервью для HealthITAnalytics.
«Без точной и систематической идентификации случаев невозможно управлять здоровьем населения и проводить исследования по клапанным заболеваниям сердца и многим другим сложным заболеваниям. Мы решили эту проблему, разработав алгоритмы обработки естественного языка, которые позволяют обучить компьютер выполнять эту задачу за нас».
Исследовательская команда обучила систему NLP анализировать более миллиона электронных медицинских записей и отчётов об эхокардиограммах, чтобы выявлять определённые сокращения, слова и фразы, связанные с аортальным стенозом. В течение нескольких минут программа смогла идентифицировать почти 54 000 пациентов с этим заболеванием, что вручную заняло бы у врачей годы.
«Это был волшебный момент, когда мы смогли применить наши разработанные и проверенные алгоритмы ко всей популяции и тем самым выявить нашу большую когорту пациентов с аортальным стенозом», — сказал Соломон.
«Мы сразу же представили будущее, где эти методы могут быть использованы для вывода управления здоровьем населения на новый уровень, чего Kaiser Permanente Northern California успешно добивается уже два десятилетия».
С развитием искусственного интеллекта в здравоохранении Соломон призывает поставщиков медицинских услуг уверенно инвестировать в новые технологии, поскольку они значительно улучшат результаты лечения пациентов.
«Эти методы искусственного интеллекта смогут помочь врачам и другим специалистам оказывать помощь пациентам так, как это было невозможно раньше», — отметил Соломон.
Технология NLP действительно способна изменить подход к оказанию медицинской помощи, исследовательским усилиям и методам диагностики заболеваний, улучшая их эффективность и точность.
Исследование проводилось под руководством доктора Мэтью Соломона, кардиолога из The Permanente Medical Group и исследователя в Kaiser Permanente Division of Research в Окленде, Калифорния. Соломон отметил, что, несмотря на то что современная медицина вступила в эпоху больших данных и аналитики данных, идентификация пациентов с такими сложными состояниями, как клапанные заболевания сердца, остаётся вызовом. Это затрудняет изучение этих заболеваний, отслеживание клинических практик и управление здоровьем населения.
«В настоящее время системы здравоохранения отслеживают пациентов с помощью кодов диагностики или процедур, которые в основном создаются для целей выставления счетов. Эти коды могут быть весьма неточными и мало пригодны для клинической работы или исследований», — поделился Соломон в интервью для HealthITAnalytics.
«Без точной и систематической идентификации случаев невозможно управлять здоровьем населения и проводить исследования по клапанным заболеваниям сердца и многим другим сложным заболеваниям. Мы решили эту проблему, разработав алгоритмы обработки естественного языка, которые позволяют обучить компьютер выполнять эту задачу за нас».
Исследовательская команда обучила систему NLP анализировать более миллиона электронных медицинских записей и отчётов об эхокардиограммах, чтобы выявлять определённые сокращения, слова и фразы, связанные с аортальным стенозом. В течение нескольких минут программа смогла идентифицировать почти 54 000 пациентов с этим заболеванием, что вручную заняло бы у врачей годы.
«Это был волшебный момент, когда мы смогли применить наши разработанные и проверенные алгоритмы ко всей популяции и тем самым выявить нашу большую когорту пациентов с аортальным стенозом», — сказал Соломон.
«Мы сразу же представили будущее, где эти методы могут быть использованы для вывода управления здоровьем населения на новый уровень, чего Kaiser Permanente Northern California успешно добивается уже два десятилетия».
С развитием искусственного интеллекта в здравоохранении Соломон призывает поставщиков медицинских услуг уверенно инвестировать в новые технологии, поскольку они значительно улучшат результаты лечения пациентов.
«Эти методы искусственного интеллекта смогут помочь врачам и другим специалистам оказывать помощь пациентам так, как это было невозможно раньше», — отметил Соломон.
Технология NLP действительно способна изменить подход к оказанию медицинской помощи, исследовательским усилиям и методам диагностики заболеваний, улучшая их эффективность и точность.
Получите оценку проекта
Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь c политикой конфиденциальности
Оцените свой проект! Заполните форму ниже
Похожие статьи
© ООО «АЛЛ СИИ», 2024