Fujitsu Laboratories of Europe stworzyło rozwiązanie oparte na AI, które ułatwia sprawowanie kontroli nad elektroniczną dokumentacją medyczną (EDM). Technologia ta pozwala na automatyzację przetwarzania nieustrukturyzowanych notatek medycznych. Jest to innymi słowy kodowanie medyczne, czyli zamiana danych znajdujących się w dokumentacji medycznej pacjenta w jednolite kody, które wykorzystywane są m.in. do badań medycznych, fakturowania czy też samego diagnozowania pacjenta i jego leczenia. Rozwiązanie od Fujitsu pozwala zaoszczędzić 90% czasu a przy tym znacząco poprawić dokładność, zachowując przy tym pełną zgodność z aktualnie obowiązującymi klasyfikacjami medycznymi.
Technologia ta umożliwia wyodrębnianie informacji znajdujących się w adnotacjach lekarzy w mniej niż 1 minutę, co w porównaniu z 15 minutami, które potrzebne są przy ręcznej pracy koderów, jest dużą oszczędnością czasu. Technologia eksploracyjnej analizy tekstu umożliwia uzyskiwanie istotnych danych z dokumentów medycznych za pomocą łączenia wiedzy semantycznej oraz przetwarzania języka naturalnego (NLP) z Deep Learning.
Laboratoria Fujitsu of Europe pracują nad wieloma projektami klinicznymi, we współpracy z wieloma partnerami innowacji w sektorze opieki zdrowotnej. Jednym z nich jest znany madrycki Szpital Kliniczny San Carlos. Dyrektor ds. Medycznych, dr Julio Mayor, tłumaczy jak ważna jest taka współpraca pod kątem medycznym:
„Nieustannie poszukujemy nowych sposobów usprawnienia procesu podejmowania decyzji klinicznych, a nasza współpraca z Laboratoriami Fujitsu w Europie pozwala nam osiągnąć dużo większą wydajność. Większość dostępnych obecnie systemów elektronicznej dokumentacji medycznej nie spełnia wymagań relacji lekarz / pacjent. W rzeczywistości szereg badań wykazał, że ich stosowanie było bezpośrednio związane z wypaleniem zawodowym lekarzy. Dzięki nowym technologiom, takim jak eksploracyjna analiza tekstu z wykorzystaniem AI firmy Fujitsu, możemy bezpośrednio sprostać tym wyzwaniom i osiągnąć wymierne rezultaty w ulepszaniu procesu podejmowania decyzji klinicznych.”
Chief Executive Officer Fujitsu Laboratories of Europe, dr Adel Rouz, wyjaśnia:
„Nasza strategia współtworzenia z partnerami takimi jak Szpital Kliniczny San Carlos pozwoliła nam poznać wyzwania stojące przed sektorem opieki zdrowotnej, w szczególności w zakresie podejmowania decyzji klinicznych. Udało nam się opracować szereg ważnych innowacji, które już wpływają na pracę lekarzy. Nasze najnowsze osiągnięcie jest kolejnym krokiem w stronę zapewnienia dokładności danych klinicznych i automatyzacji ich cyfryzacji w szpitalach, firmach ubezpieczeniowych i agencjach rządowych. Wierzymy, że nasza technologia ma szersze zastosowania i może być łatwo dostosowana do rozwiązywania podobnych problemów w innych dziedzinach, takich jak ubezpieczenia, czy prawodawstwo.”
W podejmowaniu decyzji medycznych, jak i poprawie opieki zdrowotnej, istotną rolę odkrywają ustrukturyzowane informacje. Biorąc pod uwagę niewielką ilość czasu, jaką posiadają lekarze dla pacjentów, wymóg natychmiastowego wprowadzania informacji do systemów EDM może stanowić duży problem. Z pewnością, wprowadzenie bardziej elastycznych sposobów na wpisywanie informacji może nieść same korzyści. Lekarze jednocześnie będą w stanie rejestrować bardziej przydatne dla nich fakty. Laboratoria Fujitsu stworzyły metodę pozwalającą na automatyczne wyodrębnianie danych wymaganych przez system EDM z tekstu narracyjnego lekarzy. Dzięki użyciu Deep Learning, rozwiązanie można dopasować do indywidualnych potrzeb lekarzy. Mają oni możliwość operowania bardziej elastycznym językiem, nie mając ograniczeń odnośnie złożonych reguł językowych, stosowanych przez wiele systemów kodyfikacji z zamiarem określenia poprawnych terminów z wolnego tekstu. Skutkuje to wysokim stopniem dokładności, połączonym z możliwością wyodrębnienia większego przekroju informacji niż ma to miejsce w przypadku określonych kodami Międzynarodowej Statystycznej Klasyfikacji Chorób i Problemów Zdrowotnych (ICD), dotyczących przestrzegania zaleceń terapeutycznych lub tła społecznego.
Fujitsu AI Text Mining korzysta z eksploracji tekstu łącznie z technikami Deep Learning w konkretnych krokach w całym procesie kodowania medycznego, unikając przy tym uzależnienia od ogromnych, wstępnie opisanych zbiorów danych. Podejście Fujitsu składa się z dwóch kluczowych elementów:
– tworzenie bazy wiedzy: knowledge graph jest stworzony w celu odwzorowania klasyfikacji medycznych i wzbogacony semantycznie przez zasoby zewnętrzne. To wzbogacenie semantyczne zapewnia dodatkowy kontekst dla klasyfikacji medycznych, zapewniając lepsze wyniki w następujących po sobie etapach procesu. Ontologie i techniki osadzania słów używane są do wzbogacania sementycznego;
– rozpoznawanie i przyporządkowywanie: proces rozpoznawania terminów medycznych przy użyciu Deep Learning, a następnie definiowanie formuł rankingowych w celu obliczenia potencjalnego kodowania wejściowych not klinicznych.
Technologia Fujitsu została przetestowana na dwóch zestawach anglojęzycznych danych, zawierających w sobie 200 anonimowych not klinicznych i 5000 podsumowań pochodzących z zasobów MIMIC-III. Dodatkową zaletą jest niewątpliwie możliwość łatwego dostosowania do dowolnej klasyfikacji medycznej lub do innych języków i nie wymaga ona dużych, wstępnie opisanych zbiorów danych.
Technologia Fujitsu poprzez poprawę precyzji procesu kodowania medycznego, ma wpływ na ujednolicenie wyników i zapewnienie oszczędności czasu dla profesjonalistów. Przetworzone i opatrzone komentarzem informacje wykorzystuje się do planowania polityki sektora zdrowotnego przez agencje rządowe, badań medycznych, ustalania cen przez firmy ubezpieczeniowe, a także diagnozowania pacjenta i jego leczenia. Nowe rozwiązanie Fujitsu zostanie zastosowane w 2019 roku, w programie badawczym we współpracy z Centrum Innowacji San Carlos.
