AI kan mensen identificeren die alcohol misbruiken

• Onderzoekers gebruikten natuurlijke taalverwerking en machinale leermethoden om alcoholmisbruikers te herkennen aan de hand van aantekeningen van artsen in elektronische medische dossiers.
• In 78% van de gevallen was AI in staat onderscheid te maken tussen traumapatiënten die alcohol misbruikten en degenen die dat niet deden.

Maar liefst 10% van de sterfgevallen in de Verenigde Staten is te wijten aan alcoholmisbruik, en dit percentage van misbruik is tussen 2002 en 2012 met 9% gestegen. In feite heeft 1 op de 3 patiënten met traumatische ontmoetingen alcoholmisbruik.

Eerdere studies hebben aangetoond dat elk traumatisch letsel een gelegenheid biedt voor een leermoment. Van SBIRT-programma's (afkorting van Screening, Brief Intervention, and Referral to Treatment) in traumacentra is aangetoond dat ze het alcoholgebruik verminderen en de herhaling van blessures met bijna 50% verminderen.

Nu hebben onderzoekers van Loyola University Health System aangetoond dat kunstmatige intelligentie (AI) kan worden gebruikt om traumapatiënten met alcoholmisbruik op te sporen. Ze gebruikten natuurlijke taalverwerking (NLP) en machinale leermethoden om alcoholmisbruikers te herkennen aan de hand van aantekeningen van artsen in elektronische medische dossiers.

Hoe verschilt het van de huidige screeningsmethoden?

De bestaande screeningsmethoden maken gebruik van de 10-item AUDIT (afkorting van Alcohol Use Disorders Identification Test), maar er zijn verschillende nadelen aan deze methoden. Het vereist het creëren van nieuwe formulieren en procedures in elektronische patiëntendossiers.

Soms zijn patiënten niet erg eerlijk bij het beantwoorden van vragen over hun alcoholgebruik, waardoor de testresultaten mogelijk niet helemaal echt zijn. Bovendien is het inhuren van werknemers om de tools te implementeren en te beheren een arbeidsintensief en tijdrovend proces.

NLP en machine learning-algoritmen zijn met succes gebruikt in de klinische praktijk en in onderzoek. Meer specifiek vertrouwen NLP-technieken op gesuperviseerd leren dat gebruik maakt van de huidige referentiestandaarden om ongeziene gevallen te voorspellen.

Referentie:American Medical Informatics Association Journal | doi:10.1093/jamia/ocy166 | Loyola University Health System

Samen met de documentatie van de zorgverleners maakt de NPL-classificator gebruik van proxyrapporten, laboratoriumgegevens, ingebedde medicatie en aanvullende aantekeningen van ander medisch personeel die binnen de eerste 24 uur worden verzameld.

In deze studie gebruikten onderzoekers de gegevens van 1.422 volwassen patiënten die gedurende drie en een half jaar in het Loyola-traumacentrum waren opgenomen. De gegevens bevatten meer dan 91.000 aantekeningen in elektronische medische dossiers, waaronder meer dan 16.000 medische concepten.

Resultaten

Ze gebruikten het Knowledge Extraction System en klinische tekstanalyse om linguïstische verwerking van notities uit te voeren. Dit hielp hen 16 medische concepten te identificeren - waaronder B1-vitamine thiamine, marihuana, leverbeeldvorming en marihuana - die wijzen op alcoholmisbruik. In 78% van de gevallen was AI in staat onderscheid te maken tussen traumapatiënten die alcohol misbruikten en degenen die dat niet deden.

Lezen:kunstmatige intelligentie kan ziekten in de menselijke adem ruiken | Inclusief verschillende vormen van kanker

Over het algemeen biedt deze AI een geautomatiseerd proces om barrières voor patiënten en personeel voor SBIRT-programma's in gezondheidscentra te overwinnen. Het zou betaalbaar zijn voor traumacentra die de expertise hebben om deze techniek te gebruiken.

Onderzoekers vermeldden ook dat de taalkundige software en open source-programmering die in dit onderzoek worden gebruikt, gratis zouden zijn voor alle gebruikers.