Ülke çapındaki hastanelerde bakımı daha verimli hale getirmek için yapay zeka ve makine öğrenimi araçlarından yararlanma telaşında, yeni bir çalışma başka bir olası kullanıma işaret ediyor: sağlıklarını ve bakım alma yeteneklerini etkileyebilecek tıbbi olmayan ihtiyaçları olan hastaların belirlenmesi. Sağlığın bu sosyal belirleyicileri - ulaşım, barınma, gıda tedariği ve aile - arkadaşların destek olarak mevcudiyetine kadar her şey - bir hastanın sağlığında ve sağlık hizmetlerini kullanımında önemli bir rol oynayabilir.
Yeni çalışma, özellikle karmaşık ihtiyaçları olan bir hasta popülasyonuna odaklanıyor: Alzheimer hastalığı veya diğer demans biçimleri olan kişiler. Durumları, onları özellikle tıbbi randevulara ve sosyal faaliyetlere götürülmeleri, ilaçlarının verilmesi ve mali işlerinin yapılması, alışverişlerinin yapılması, yiyeceklerinin hazırlanması ve daha fazlası için başkalarına bağımlı hale getirebilir.
Çalışmanın sonuçları, kural tabanlı bir doğal dil işleme aracının, ulaşıma dengesiz erişim, gıda güvensizliği, sosyal izolasyon, mali sorunlar ve istismar, ihmal veya sömürü belirtileri olan hastaları başarıyla tanımladığını gösteriyor. Araştırmacılar, kural tabanlı bir NLP aracının - insan konuşmasını veya yazısını analiz eden bir tür yapay zeka - hastaların sağlığının sosyal belirleyicilerini tespit etmek için derin öğrenme ve düzenli lojistik regresyon algoritmalarından çok daha üstün olduğunu buldular. Bununla birlikte, aslında NLP aracı bile barınma veya ilaç temin etme veya ilaç alma ile ilgili ihtiyaçları belirlemede yeterince başarılı olamadı.
Çalışma, Michigan Üniversitesi'nin akademik tıp merkezi Michigan Medicine'de sağlık ekonomisti olan Ph.D. Elham Mahmoudi ve U-M School of Science'da doktora yaparken çalışmayı tamamlayan Ph.D. Wenbo Wu tarafından yönetildi. Mahmoudi, Wu ve meslektaşları, üç farklı yapay zeka tekniğinin SDOH belirleme yeteneklerini karşılaştırdılar, önce onları 700 hasta kaydından oluşan bir set üzerinde eğiterek onlara aranacak kelime ve ifade türlerini öğrettiler ve sonrasında bunları 300 kayıtta kullanıp sonuçları değerlendirdiler. Araçlar, yalnızca 231 demans hastasının elektronik sağlık kayıtlarında 2015 ve 2019 yılları arasında yapılan acil servis ve yatan hasta sosyal hizmet uzmanı notlarının anonimleştirilmiş içeriklerine baktı.
Mahmoudi, ekibin şu anda Michigan Medicine'deki tüm birinci basamak hastalarına yakın zamanda sağlanmaya başlayan SDOH anketine karşı NLP algoritmasını ileriye dönük olarak doğrulamak için çalıştığını söyledi.
Yeni çalışma, özellikle karmaşık ihtiyaçları olan bir hasta popülasyonuna odaklanıyor: Alzheimer hastalığı veya diğer demans biçimleri olan kişiler. Durumları, onları özellikle tıbbi randevulara ve sosyal faaliyetlere götürülmeleri, ilaçlarının verilmesi ve mali işlerinin yapılması, alışverişlerinin yapılması, yiyeceklerinin hazırlanması ve daha fazlası için başkalarına bağımlı hale getirebilir.
Çalışmanın sonuçları, kural tabanlı bir doğal dil işleme aracının, ulaşıma dengesiz erişim, gıda güvensizliği, sosyal izolasyon, mali sorunlar ve istismar, ihmal veya sömürü belirtileri olan hastaları başarıyla tanımladığını gösteriyor. Araştırmacılar, kural tabanlı bir NLP aracının - insan konuşmasını veya yazısını analiz eden bir tür yapay zeka - hastaların sağlığının sosyal belirleyicilerini tespit etmek için derin öğrenme ve düzenli lojistik regresyon algoritmalarından çok daha üstün olduğunu buldular. Bununla birlikte, aslında NLP aracı bile barınma veya ilaç temin etme veya ilaç alma ile ilgili ihtiyaçları belirlemede yeterince başarılı olamadı.
Çalışma, Michigan Üniversitesi'nin akademik tıp merkezi Michigan Medicine'de sağlık ekonomisti olan Ph.D. Elham Mahmoudi ve U-M School of Science'da doktora yaparken çalışmayı tamamlayan Ph.D. Wenbo Wu tarafından yönetildi. Mahmoudi, Wu ve meslektaşları, üç farklı yapay zeka tekniğinin SDOH belirleme yeteneklerini karşılaştırdılar, önce onları 700 hasta kaydından oluşan bir set üzerinde eğiterek onlara aranacak kelime ve ifade türlerini öğrettiler ve sonrasında bunları 300 kayıtta kullanıp sonuçları değerlendirdiler. Araçlar, yalnızca 231 demans hastasının elektronik sağlık kayıtlarında 2015 ve 2019 yılları arasında yapılan acil servis ve yatan hasta sosyal hizmet uzmanı notlarının anonimleştirilmiş içeriklerine baktı.
Mahmoudi, ekibin şu anda Michigan Medicine'deki tüm birinci basamak hastalarına yakın zamanda sağlanmaya başlayan SDOH anketine karşı NLP algoritmasını ileriye dönük olarak doğrulamak için çalıştığını söyledi.
Kaynak
Bu rehber yardımcı oldu mu?
DoktorClub’da Keşfet
