早期临床实施和评估基于NLP的AI系统用于使用电子健康记录进行血栓友评估

科学领域:

• 临床信息学 临床信息学
• 医疗保健中的人工智能
• 自然语言处理 (NLP) 是一种自然语言处理.

背景情况:

• 血栓友爱症的评估依赖于从非结构化的电子健康记录 (EHR) 文本中整合生化数据与临床病史.
• 手动查看图表是耗时且容易出现错误的,因此需要更有效的方法.
• 自然语言处理 (NLP) 为从临床文本中自动提取信息提供了一个解决方案.

研究的目的:

• 开发和评估基于变压器的NLP模型,用于在EHR中检测血栓.
• 将该模型集成到人工智能系统中,以协助临床医生进行血栓友评估.
• 评估系统对图表审查效率,准确性和用户采用的影响.

主要方法:

• 开发了一个基于变压器的NLP血栓形成模型,并与现有的血液,抗凝固剂和抗血栓剂模型相结合.
• 人工智能系统在血栓友爱症评估的常规临床护理中实施.
• 绩效被追溯评估在50个EHR,使用眼睛跟踪模拟评论和半结构面试用户反.

主要成果:

• 血栓形成NLP模型在句子层面表现出高性能 (灵敏度98.8%,特异性99.8%).
• 人工智能辅助的图表审查确定了所有先前的发现,并在68%的案例中发现了额外的相关信息.
• 眼睛跟踪显示,审查时间减少了33%,并加强了关键内容的识别;出现了不同的用户导航风格.

结论:

• NLP工具显示出在血栓友爱症评估中增强临床决策的巨大潜力.
• 人工智能系统提高了效率和准确性,尽管整合和培训存在挑战.
• 以用户为中心的设计,模型透明度和严格的评估对于安全的临床整合至关重要.