患者ポータルメッセージにおける一次および二次的懸念の理解：臨床データ注釈、分析、およびモデリングを通じて

科学分野:

• 医療情報学
• 医療における人工知能
• 自然言語処理

背景:

• 患者中心のケアにとって、患者ポータルメッセージ（PPM）の効率的な管理は非常に重要です。
• タイムリーな介入のためには、PPM内の患者の懸念を理解することが不可欠です。
• PPMの量が増加していることは、医療提供者にとって課題となっています。

研究 の 目的:

• 2,239件の患者ポータルメッセージの患者の懸念を注釈付けおよび分析すること。
• 患者の懸念の自動特定および分類のためのAI駆動型アプローチを開発および評価すること。
• 統合AIモデルを使用して一次患者の懸念の特定精度を向上させること。

主な方法:

• 一次および二次的懸念を特定するために、2,239件の患者ポータルメッセージを手動で注釈付けしました。
• すべての患者の懸念を検出するために、二項分類のために事前トレーニングされた言語モデルを活用しました。
• 一次懸念の特定のために、統合畳み込みニューラルネットワークを使用した多クラス分類を実装しました。

主要な成果:

• AIアプローチは、PPM内の患者の懸念を正常に特定および分類しました。
• 二項分類は、患者の懸念の存在を効果的に識別しました。
• CNNによって強化された多クラス分類は、一次患者の懸念を特定する上で大きな可能性を示しました。

結論:

• AIは、患者ポータルメッセージの量が増加していることを管理する上で大きな可能性を示しています。
• 自動分析により、患者の医療ニーズの迅速な特定と対処が容易になります。
• このアプローチは、より効果的でタイムリーな医療介入につながり、患者ケアを改善する可能性があります。