‘Trend’ doktorların notları, hastanelerin COVID-19 dalgalanmalarını tahmin etmesine yardımcı olabilir

0
22

NIHR Maudsley Biyomedikal Araştırma Merkezi’ndeki araştırmacılar tarafından geliştirilen veri madenciliği teknolojisi, hastanelerin, doktorlar tarafından elektronik olarak kaydedilen notlara dayanarak COVID-19 vakalarındaki dalgalanmaları planlamasına yardımcı olabilir.

Nature Digital Medicine’de bugün yayınlanan yeni bir çalışma, hastaların elektronik sağlık kayıtlarının bir parçası olarak doktorlar tarafından rutin olarak kaydedilen bilgilerin ‘doğal dil işlemesinin’ (NLP), klinik ekiplerin ameliyatları tahmin etmesine ve planlamasına yardımcı olabilecek hayati eğilimleri ortaya çıkardığını ortaya koydu. hastalarda.

King’s College London, King’s College Hospital NHS Foundation Trust (KCH) ve Guy’s and St Thomas ‘Hospital NHS Foundation Trust (GSTT) araştırmacıları, doktorlar tarafından hazırlanan elektronik notları standartlaştırılmış, yapılandırılmış bir tıbbi sete çevirmek için NLP algoritmalarını kullandı. bir bilgisayar tarafından analiz edilebilecek terimler.

Hastalardaki trendlerin takibi

Aynı şekilde, sosyal medya gönderileri ‘hashtag’ler’ ile izlenip bir araya getirilebiliyor, araştırmacılar, geçen yıl COVID-19 salgınının önemli aşamalarında KCH ve GSTT’de elektronik sağlık kayıtlarında ‘trend’ olan kelimeleri veya ifadeleri tespit ettiler. Örneğin, ‘kuru öksürük’, ‘ateş’ veya ‘zatürre’ gibi semptomatik COVID-19 için anahtar kelimeler içeren hasta kayıtlarının sayısını takip ettiler. Pandemi boyunca, hastane doktorları hasta semptomlarını ve test sonuçlarını COVID-19’un ulusal düzeyde yayılmasını izlemek için kullanılan elektronik sağlık kayıtlarına girdiler. Bununla birlikte, bu kayıtlar genellikle eksik ve yapılandırılmamış veriler içerir, bu da erişilmesi ve analiz edilmesi zordur.

Metni bir ‘kelime çantası’ olarak analiz ederek araştırmacılar, trend olan ‘sinyallerin’ gerçek zamanlı haritalarını (yani, doktorlar tarafından en sık kaydedilen semptomlar) üretebildiler ve bu sinyaller, pozitif laboratuvar testlerinin modellerini yakından yansıtıyordu. her hastane tarafından rapor edilir. Örneğin, Mart 2020’de COVID-19 vakalarının ilk dalgası sırasında ve sonraki dalgalarda net artışlar görüldü.

Hastaneler için önceden uyarı verilmesi

Çalışma, bu sinyallerin bir hastanedeki mevcut aktivite seviyelerini yansıtmak için gerçek zamanlı bir durum raporu sağladığını ve hastanelere COVID-19 kabullerinde ameliyatlara hazırlanmalarına yardımcı olmak için dört güne kadar önceden uyarı sağladığını gösteriyor.

Çalışma yazarları ayrıca, Londra hastanelerinde COVID-19 kabullerinin trend sinyalleri ile bölgesel olarak izlenmesi arasında güçlü bir ilişki olduğunu bildirdi. Ek olarak, yeni COVID-19 semptomları ulusal olarak ortaya çıktıkça, bu semptomların KCH ve GSTT’deki doktorlar tarafından daha sık kaydedildiğini buldular.

King’s College Hastanesi ve Guy’s and St Thomas ‘Hastanesinde Yapay Zeka Klinik Direktörü Dr. James Teo şunları söyledi: “Bilgisayarlara doktorların notlarını okumayı ve anlamayı öğreterek, karşı mücadelede yardımcı olabilecek önemli kalıpları ve eğilimleri ortaya çıkarmayı umuyoruz. COVID-19 ve diğer hastalıklar.

Elektronik sağlık kayıtlarındaki kelime eğilimlerini izlemek, çalıştırması çok kolay ve uygun maliyetli bir şekilde hastalıkları ve sağlık hizmeti faaliyetlerini incelemek için ek bir yöntem sunar. Bu yöntemin iki ayrı hastane tröstünde etkili olduğu gösterilse de, yaklaşım doğru mahremiyet güvenceleriyle bölgesel ve hatta ulusal bir düzeye yükseltilebilir ”.

CogStack

Bu çalışmada kullanılan CogStack platformu, araştırmacıların karmaşık veri kümelerini son derece hızlı bir şekilde sorgulamasına olanak tanıyarak, belirli bir hastanede olup bitenlere ilişkin gerçek zamanlı bir veri akışı sağlayarak klinik ekiplerin gelen hastalara hazırlanmasına olanak tanır.

NIHR Maudsley BRC Biyoistatistik ve Sağlık Bilişimi Bölümü Başkanı Profesör Richard Dobson şunları söyledi: “CogStack platformu, King’s College Hastanesi NHS Vakfı Vakfı’ndaki hastane kayıtlarının derinliklerinden bilgileri neredeyse gerçek zamanlı olarak almamıza olanak tanıyor. Bu, test sonuçları gibi bilgileri almadan önce sistem üzerindeki olası baskının artacağını tahmin edebileceğimiz anlamına geliyor ve klinik ekiplere önceden tepki vermeleri ve hazırlanmaları için zaman tanıyoruz. “

Teşekkür

Bu araştırmanın arkasındaki platformlar, National Institute for Health Research (NIHR) Maudsley Biomedical Research Centre (BRC), Health Data Research UK, UK Research and Innovation, London Medical Imaging & Artificial Intelligence Centre for Value Based Healthcare, Innovate UK tarafından finanse edildi. NIHR Uygulamalı Araştırma İşbirliği Güney Londra, NIHR Üniversite Koleji Londra Hastaneleri Biyomedikal Araştırma Merkezi ve King’s College London.

Araştırmacılar, verilerinin araştırma için kullanılmasını kabul eden tüm hastalara ve KERRI komitesinin hastalarına teşekkür ediyor.

CEVAP VER

Lütfen yorumunuzu giriniz!
Lütfen isminizi buraya giriniz