在英国癌症中心的妇科瘤学中,自然语言处理是否可以有效地用于审计数据分析?

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 外科审计的外科审计

背景情况:

• 英国的卵巢癌结局落后于其他欧洲国家,需要改善护理标准.
• 癌症质量保证审计和子专业培训对于改善患者护理至关重要.
• 英国国家卫生服务 (NHS) 面临着影响专门临床团队进行审计的劳动力挑战.

研究的目的:

• 评估自然语言处理 (NLP) 生成的代码在改善卵巢癌和子专业再认证审计方面的效率.
• 评估使用像谷歌Bard这样的AI工具来生成审计算法的可行性.

主要方法:

• 来自电子健康记录的原发性卵巢癌数据 (2019-2022) 的回顾性收集.
• 应用模块化编码方法,使用Google Bard生成Visual Basic应用程序算法.
• 在实施NLP生成代码之前和之后的审计完成时间的比较.

主要成果:

• 2016年卵巢癌审计需要1800分钟的数据收集时间和300分钟的分析时间由3名临床医生进行.
• 2022年卵巢癌审计涉及3120分钟的数据收集,3360分钟的代码开发和720分钟的测试.
• 2022年的子专业再认证审计花费了1680分钟,其中960分钟用于代码开发,240分钟用于调试,480分钟用于测试.

结论:

• 通过自动化数据分析,NLP生成的代码显著提高了外科质量保证审计的效率.
• 使用NLP开发复杂的算法需要最小的编程专业知识,提供可扩展的解决方案.
• 这种人工智能驱动的方法有望提高医疗保健系统内的癌症审计的质量和效率.