Detección temprana de enfermedades infecciosas impulsada por IA en la atención primaria holandesa utilizando BERT y...

Área de la Ciencia:

• Epidemiología computacional; Inteligencia artificial en salud pública; Procesamiento del lenguaje natural para la vigilancia de enfermedades

Sus antecedentes:

• Los sistemas tradicionales de vigilancia de enfermedades tienen dificultades con las señales tempranas y no específicas de las enfermedades infecciosas emergentes.; Las intervenciones de salud pública oportunas son cruciales, pero a menudo se retrasan debido a las limitaciones de los métodos de vigilancia actuales.; Necesidad de herramientas autónomas yagnósticas para analizar datos de salud no estructurados para la detección temprana de amenazas.

Objetivo del estudio:

• Presentar y evaluar Early Recognition using Neural Information Encoding (ERNIE), un marco de PNL para la detección temprana de clústeres de enfermedades atípicas.; Evaluar la capacidad de ERNIE para identificar amenazas emergentes para la salud a partir de datos no estructurados de atención primaria sin etiquetas de diagnóstico predefinidas.; Demostrar el potencial de ERNIE para la monitorización escalable del sistema de salud impulsada por IA.

Principales métodos:

• El marco ERNIE utiliza el modelado de lenguaje no supervisado en datos de atención primaria no estructurados.; Entrenado con datos del norte de los Países Bajos y validado con conjuntos de datos externos.; Evaluado para detectar clústeres de enfermedades atípicas, incluidos casos de COVID-19, VSR y virus del Nilo Occidental simulados, frente a datos de control.

Principales resultados:

• ERNIE identificó clústeres tempranos similares a la COVID-19 antes del primer caso confirmado.; Detectó con éxito patrones del Virus Sincitial Respiratorio (VSR) durante el aumento de 2021.; Logró métricas de alto rendimiento: recuerdo a nivel de consulta de 0,97, precisión de clúster de 0,82 y recuerdo de clúster de 0,90.

Conclusiones:

• ERNIE permite la detección temprana e interpretable de amenazas emergentes para la salud mediante el análisis de texto clínico rutinario, sin depender de códigos de diagnóstico.; El marco agnóstico a la enfermedad demuestra un potencial significativo para identificar patrones clínicos atípicos en diversos dominios de la salud.; Apoya la monitorización escalable impulsada por IA para mejorar la vigilancia de la salud pública y las intervenciones oportunas.