Η επεξεργασία φυσικής γλώσσας είναι α υποτομέας της τεχνητής νοημοσύνης – και ένα που μπορεί να είναι πολύ χρήσιμο στην υγειονομική περίθαλψη, ανακαλύπτοντας κλινικά ψήγματα από όλο το ελεύθερο κείμενο σε ηλεκτρονικά αρχεία υγείας και αποθήκες δεδομένων.
Ο Marty Elisco, Διευθύνων Σύμβουλος της Augintel, μιας εταιρείας NLP υγειονομικής περίθαλψης, πιστεύει ότι το NLP θα γίνει mainstream το 2023 για τρεις λόγους: οι στροφές έχουν εξαλειφθεί, η αξία έχει αποδειχθεί και ο σωστός χρόνος.
Ειδήσεις πληροφορικής για την υγεία μίλησε με τον Elisco για να τον κάνει να εξηγήσει λεπτομερώς αυτούς τους λόγους και να βοηθήσει τους CIO της υγειονομικής περίθαλψης και άλλους ηγέτες πληροφορικής στον τομέα της υγείας να κατανοήσουν γιατί το 2023 μπορεί απλώς να είναι η χρονιά για το NLP.
Ε. Ένας από τους λόγους που προτείνετε περισσότερες οργανώσεις παρόχων υγειονομικής περίθαλψης να υιοθετήσουν την τεχνολογία επεξεργασίας φυσικής γλώσσας το 2023 είναι επειδή tοι τσακίσεις έχουν σιδερωθεί. Μιλήστε για τα προβλήματα που λέτε ότι έχουν ληφθεί μέριμνα και πώς αυτό θα ενθαρρύνει την υιοθεσία.
ΕΝΑ. Αρχικά, ας ορίσουμε επίπεδο τον ορισμό του NLP. Το NLP αναφέρεται στον κλάδο της επιστήμης των υπολογιστών που ασχολείται με την παροχή στους υπολογιστές την ικανότητα να κατανοούν το κείμενο και τις προφορικές λέξεις με τον ίδιο σχεδόν τρόπο που μπορούν οι άνθρωποι.
Το NLP μπορεί να εφαρμοστεί σε διάφορα πλαίσια. Μπορεί να αναφέρεται στην αναγνώριση φωνής σε κείμενο. Μπορεί επίσης να χρησιμοποιηθεί για αναγνώριση χειρογράφου. Αλλά στο τμήμα μας, και στο πλαίσιο αυτής της συζήτησης, χρησιμοποιούμε το NLP για ευφυΐα περιεχομένου – ή εξαγωγή πληροφοριών – του γραπτού λόγου.
Πριν από περίπου πέντε χρόνια, η τεχνολογία μηχανικής μάθησης έκανε ένα τεράστιο άλμα προς τα εμπρός. Κατέστη δυνατή η οικονομικά αποδοτική εκπαίδευση αλγορίθμων με τεράστιες ποσότητες δεδομένων. Αυτή η καινοτομία επέτρεψε το NLP για ευφυΐα περιεχομένου – η μηχανική μάθηση άρχισε να εφαρμόζεται σε τεράστιες ποσότητες αφηγηματικών δεδομένων για τη δημιουργία μοντέλων NLP που θα μπορούσαν να προσδιορίσουν βασικές έννοιες που περιγράφονται στο κείμενο.
Τα τελευταία δύο χρόνια, επειδή το κόστος ανάπτυξης ενός μοντέλου έχει μειωθεί, έχει καταστεί οικονομικά εφικτή η ανάπτυξη μοντέλων ειδικά για τον κλάδο.
Για παράδειγμα, στη νομική βιομηχανία, το NLP έχει χρησιμοποιηθεί για την ηλεκτρονική ανακάλυψη. Οι δικηγόροι χρησιμοποιούν το NLP για την εξόρυξη τεκμηρίωσης που παραδόθηκε κατά τη φάση της ανακάλυψης για να διευκολύνουν την κατανάλωση σχετικού περιεχομένου. Και έχει σημειωθεί πρόοδος πιο πρόσφατα στη μόχλευση του NLP στην υγειονομική περίθαλψη – συμπεριφορική υγεία και υγεία και ανθρώπινες υπηρεσίες, πιο συγκεκριμένα.
Οι αρχικές προσπάθειες ευφυΐας περιεχομένου στον τομέα της υγείας και των ανθρώπινων υπηρεσιών ήταν συνήθως προσαρμοσμένα έργα που προορίζονταν να αναλύουν δεδομένα σε μια συγκεκριμένη χρονική στιγμή αντί να παρέχουν ένα εργαλείο στο οποίο θα ήταν προσβάσιμο σε καθημερινή βάση. Η τεχνογνωσία και η προσπάθεια που απαιτούνταν για να «διδάξουν» το βαθύ πλαίσιο υγειονομικής περίθαλψης ήταν πολύ επαχθής για πολλούς και οδήγησαν σε αποτυχία του έργου – ή να μην ξεκινήσουν καθόλου.
Τον τελευταίο χρόνο περίπου, λύσεις που αφορούν τον κλάδο έχουν γίνει εμπορικά διαθέσιμες, επειδή οι πιλότοι για να τις αποδείξουν έχουν ολοκληρωθεί. Αυτοί οι πιλότοι επωφελήθηκαν από τη συνεργασία μεταξύ επιστημόνων δεδομένων και πελατών/χρηστών που βελτίωσαν το γλωσσικό μοντέλο για τις ανάγκες αυτής της βιομηχανίας.
Έτσι, οι στροφές έχουν σιδερωθεί. Η τεχνολογία είναι ώριμη και σταθερή, οι καινοτόμες εταιρείες τεχνολογίας έχουν δημιουργήσει λύσεις SaaS που είναι εύκολα προσβάσιμες για συγκεκριμένες αποστολές με βαθύ πλαίσιο και οι πελάτες τώρα καρπώνονται τις ανταμοιβές.
Ερ. Λέτε επίσης ότι η αξία του NLP έχει αποδειχθεί. Δώστε μερικά παραδείγματα NLP που αποδεικνύουν την αξία του.
ΕΝΑ. Το ROI που επιτεύχθηκε από οργανισμούς που αξιοποιούν το NLP έχει παραδοθεί.
Για παράδειγμα, οι υπάλληλοι της υπόθεσης στην κομητεία Allegheny συνέχιζαν να ανακαλύπτουν ότι τόσες πολλές πλούσιες πληροφορίες ήταν θαμμένες σε σημειώσεις υπόθεσης και μη δομημένα δεδομένα. Με υπερφόρτωση πληροφοριών, χρειάστηκε τόσο πολύς χρόνος για να βρουν τα σχετικά δεδομένα οι υπεύθυνοι των υποθέσεων.
Ήθελαν να λύσουν αυτήν την πρόκληση – την πρόκληση της γρήγορης πρόσβασης σε σημαντικά δεδομένα τη σωστή στιγμή με απώτερο στόχο να βοηθήσουν στη βελτίωση των υπηρεσιών για τις οικογένειες και τα παιδιά που βοηθούν. Γνώριζαν ότι η δυνατότητα γρήγορης και εύκολης πρόσβασης σε καλύτερες ιδέες θα ζωγράφιζε μια εικόνα ολόκληρης της υπόθεσης, χωρίς να χρειάζεται να ξοδεύουν ώρες χρόνου ξεφυλλίζοντας σημειώσεις.
Ειδικότερα, μια υπάλληλος υποθέσεων ισχυρίστηκε ότι μόνο η πλατφόρμα NLP της εξοικονομούσε πέντε ώρες την εβδομάδα σε διοικητικές εργασίες.
Μια πλατφόρμα NLP βοήθησε επίσης την κομητεία Allegheny να κατανοήσει καλύτερα τους κοινωνικούς καθοριστικούς παράγοντες της υγείας. Συνήθως, θα χρειαζόταν μια προσεκτική ανασκόπηση ολόκληρου του ιστορικού της υπόθεσης για να κατανοήσουμε πράγματα όπως το ιστορικό χρήσης ναρκωτικών ή η ανασφάλεια στέγασης – δύο παράγοντες SDOH που επηρεάζουν σημαντικά τη συνολική ευημερία. Ωστόσο, με όλα τα χρώματα, τις λεπτομέρειες και τις βαθύτερες περιγραφές που ζουν μέσα στα μη δομημένα δεδομένα, ένα εργαλείο NLP επιτρέπει στους εργαζόμενους να βλέπουν έγκαιρα προειδοποιητικά σημάδια σε πραγματικό χρόνο.
Περιττό να πούμε ότι είναι απίστευτα χρήσιμο για τις οικογένειες όταν οι υπάλληλοι της υπόθεσης μπορούν να αντλήσουν πληροφορίες όπως αυτή από μη δομημένα δεδομένα νωρίτερα στη διαδικασία.
Ερ. Και τέλος, λέτε ότι με το έτος 2023, ο χρόνος είναι σωστός για το NLP στην υγειονομική περίθαλψη. Παρακαλώ ανέλυσε.
ΕΝΑ. Δεν είναι μυστικό ότι οι ελλείψεις προσωπικού και οι εξουθενώσεις έχουν αποδειχθεί πραγματική πρόκληση για τους οργανισμούς υγειονομικής περίθαλψης σε όλο τον κόσμο τα τελευταία χρόνια. Σύμφωνα με μια μελέτη που δημοσιεύτηκε στο Mayo Clinic Proceedings, το ποσοστό εξουθένωσης των κλινικών γιατρών μεταξύ των γιατρών των ΗΠΑ αυξήθηκε δραματικά κατά τα δύο πρώτα χρόνια της πανδημίας COVID-19 μετά από έξι χρόνια πτώσης.
Επιπλέον, η μελέτη αποκάλυψε ότι η επαγγελματική εξουθένωση των γιατρών ήταν 62,8% το 2021 σε σύγκριση με 38,2% το 2020. Η τάση είναι σαφής.
Πρόσθετη έρευνα έδειξε ότι το 64% της επαγγελματικής εξουθένωσης αποδίδεται σε διοικητικό φόρτο, το οποίο σίγουρα συμβάλλει στα κρίσιμα σημεία των υπαλλήλων. Με τους υπαλλήλους να είναι τόσο απλωμένοι, η φθορά παραμένει υψηλή.
Ορισμένοι οργανισμοί αναφέρουν φθορά 30% ανά τρίμηνο. Υπάρχει απώλεια γνώσης της υπόθεσης που συμβαίνει με τη φθορά και αυτή η απώλεια επηρεάζει άμεσα τα αποτελέσματα. Όταν ανατίθενται νέοι φροντιστές, απλώς δεν έχουν χρόνο να διαβάσουν ολόκληρα αρχεία, κάτι που μπορεί να οδηγήσει σε διακοπές στη συνέχεια της φροντίδας, ιδιαίτερα σε περίπλοκες περιπτώσεις.
Λοιπόν, έχετε αδύναμους υπαλλήλους και κλινικούς ιατρούς, οι οποίοι περνούν πολύ χρόνο μακριά από τους ανθρώπους που τους φροντίζουν, και έχουν χορτάσει. Σε συνδυασμό με τον αντίκτυπο στα αποτελέσματα από την απώλεια γνώσης περιστατικών, είναι σαφές ότι το status quo απλά δεν μπορεί να συνεχιστεί εάν θέλουμε να διατηρήσουμε ένα αξιόπιστο και λειτουργικό σύστημα υγειονομικής περίθαλψης.
Ταυτόχρονα, υπάρχουν σημαντικές πρόοδοι στα οικονομικά αποδοτικά εργαλεία μηχανικής εκμάθησης, ιδιαίτερα στο NLP, που μπορούν να ανακουφίσουν κάποιο από αυτό το άγχος. Είναι η κατάλληλη στιγμή για τους παρόχους υγειονομικής περίθαλψης να βασιστούν στα διαθέσιμα εργαλεία. Επομένως, πιστεύω ότι το 2023 θα είναι η χρονιά που θα απογειωθεί το NLP.
Ακολουθήστε την κάλυψη HIT του Bill στο LinkedIn: Bill Siwicki
Στείλτε email στον συγγραφέα: bsiwicki@himss.org
Το Healthcare IT News είναι μια έκδοση HIMSS Media.