AI detecteert alcoholmisbruik in klinische dossiers met 78% nauwkeurigheid

Onderzoekers gebruikten natural language processing en machine learning-methoden om alcoholmisbruikers te herkennen uit klinische notities in elektronische gezondheidsdossiers. In 78% van de gevallen kon AI onderscheiden tussen traumapatiënten die alcohol misbruikten en diegenen die dat niet deden.

Hoe het verschilt van huidige screeningmethoden

De bestaande screeningmethoden gebruiken de 10-item AUDIT (kort voor Alcohol Use Disorders Identification Test), maar er zijn verschillende nadelen. Het vereist het aanmaken van nieuwe formulieren en procedures in elektronische gezondheidsdossiersystemen.

Soms zijn patiënten niet eerlijk bij het beantwoorden van vragen over hun alcoholgebruik, dus testresultaten zijn misschien niet volledig genuien. Daarnaast is het inhuren van medewerkers om de tools te implementeren en administrateren een middelenintensief en tijdrovend proces.

NLP en machine learning-algoritmes zijn succesvol gebruikt in klinische praktijk en onderzoek. Meer specifiek, NLP-technieken vertrouwen op gesuperviseerd leren dat huidige referentiestandaarden gebruikt om onziene gevallen te voorspellen.

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

Naast de documentatie van de behandelaars, benut de NLP-classifier proxy-rapporten, laboratoriumdata, ingesloten medicatie en additionele notities van ander medisch personeel die binnen de eerste 24 uur verzameld zijn.

In deze studie gebruikten onderzoekers de data van 1.422 volwassen patiënten opgenomen in het Loyola-traumacentrum over drie en een half jaar. De data bevatte meer dan 91.000 notities in elektronische gezondheidsdossiers, wat meer dan 16.000 medische concepten omvatte.

Resultaten

Ze gebruikten het Knowledge Extraction System en klinische Text Analysis om linguïstische verwerking van notities uit te voeren. Dit hielp hen 16 medische concepten te identificeren — inclusief B1-vitamine thiamine, marihuana, leverimaging en marihuana — die alcoholmisbruik aangeven. In 78% van de gevallen kon AI onderscheiden tussen traumapatiënten die alcohol misbruikten en diegenen die dat niet deden.

Over het algemeen biedt deze AI een geautomatiseerd proces om patiënten- en personeelsbarrières 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 linguïstische software en open-source programmering die in deze studie gebruikt werden, gratis beschikbaar zouden zijn voor alle gebruikers.