患者电子病历包含诊断代码,但也可以包含可能表明严重饮酒的注释、测试结果或账单数据等信息。
为了识别上下文线索,研究人员编写了一个自然语言处理模型来识别诊断代码和其他危险饮酒指标,例如饮酒超过建议的每周阈值或与酒精滥用相关的医疗问题史。
手术期间滥用酒精会导致较高的感染率、较长的住院时间和其他手术并发症。 在所研究的患者中,4.8% 的患者拥有包含与酗酒相关的诊断代码的图表。 借助上下文线索,该模型对处于危险中的人数进行了三倍分类,总计 14.5%。
该模型还与人类酗酒专家小组合作良好,87% 的情况下将他们的评分与记录子集相匹配。
研究人员得出结论,这些发现表明人工智能是医生寻找需要术后干预或支持的患者的潜在合作伙伴。
该研究的主要作者、密歇根大学医学院健康科学助理教授 Vinod Videswaran 表示,该分析可以“通过适当的验证,为识别初级保健及其他领域的其他风险奠定基础”。 消息 发射。 “基本上,这是一种突出显示其他提供商提供的注释中已有内容的方法,而无需阅读整个日志。”
研究人员表示,他们计划最终部署该模型,但请注意,该模型必须根据各个机构的医疗记录进行训练。
使用自然语言处理自动检测术前危险酒精使用情况
酒精:临床和实验研究
“创作者。屡获殊荣的问题解决者。音乐布道者。无法治愈的内向。”
More Stories
一种新发现的与 COVID-19 相关的自身免疫综合征可能导致致命的肺部疤痕
美国宇航局的火星探测器沿着一条看似古老河流的路径行驶
由于团队继续评估氦泄漏,历史性的星际客机乘员发射尝试再次被推迟