Clinical Decision Making
Clinical Decision Making (CDM) — это технология принятия решений, основанная на обработке медицинских данных: от истории болезни и текущих симптомов пациента до научных статей в нужной области.
В последнее время исследователи стараются активно внедрять технологии NLP в эту область, приводя следующие аргументы:
- У лечащего врача нет времени знакомиться с современными исследованиями и часто он использует уже устаревшие препараты и методы лечения. Было бы здорово, если бы компьютер мог просматривать статьи и выдавать рекомендации из базы текстов современных исследований по запросу.
- Врачи тратят очень много времени на ведение документации, занимаясь бумажной работой. Алгоритмы speech-to-text позволили бы специалисту не отвлекаться на заполнение карты пациента, а в будущем, модель могла бы подсказывать специалисту ранее использованные методы лечения, анализируя истории болезни со схожими симптомами.
- Иногда пациент получает рецепт с лекарствами, содержащими несовместимые компоненты. Специальная программа может предупреждать медицинского работника о возможных проблемах, сравнивая тексты инструкций по применению. Кроме того, если препарат противопоказан определенной группе людей или имеет побочные эффекты, например, снижает уровень сахара в крови, на основе данных пациента программа сможет автоматически выводить предупреждение о том, что пациент находится в группе риска.
- Особенно активно технологии NLP развиваются в области радиологии. Современные программы учатся предсказывать диагноз по описанию рентгеновского снимка и присваивать ему международный код заболевания (ICD-10).
Современное качество обработки естественного языка действительно позволяет решить все эти проблемы! Но на этом список задач NLP в медицине не заканчивается.
Выиграть от применения достижений компьютерной лингвистики могут не только врачи и пациенты, но и администрация медучреждений и исследователи в области медицины. Последние пытаются разделить людей на группы по степени воздействия лекарственных препаратов, чтобы в будущем предсказывать эффективность лечения для каждого конкретного пациента и разрабатывать препараты, ориентируясь на восприимчивость группы.
NLP и COVID-19
Все мы помним, как началась пандемия: никто не понимал, чем можно лечить вирус, стандартные методики не работали, а антибиотики на вирус не действуют. Когда ученые и врачи сталкиваются с проблемой такого масштаба, одним из важнейших шагов к решению становится сбор как можно большего объема информации о заболевании. Информация о биологических свойствах SARS-CoV2, COVID-19, демографии пациентов и сопутствующих заболеваниях, глобальном или региональном распространении, а также возможных лекарствах, способных устранять симптомы и последствия этого заболевания — всего лишь верхушка айсберга данных, которые нужно было обработать для получения решения. Большая часть этих данных — неструктурированные тексты: научные статьи, препринты, записи клинических испытаний, отчеты о побочных эффектах, электронные медицинские записи. Даже ленты новостей и социальные сети могут предоставить нужную информацию, например, об эпидемиологических факторах, радиусе распространения и симптомах заболевания.
В разгар первой волны пандемии одна из крупнейших систем здравоохранения США использовала NLP для анализа входящих электронных писем и сообщений чата службы поддержки пациентов. Таким образом организация выявила набор симптомов COVID-19. Затем исследователи провели аналитику, чтобы классифицировать пациентов по вероятности заражения COVID-19. Все это превратилось в автоматизированный процесс, работающий практически в режиме реального времени, что позволило медикам более эффективно работать с поступающими пациентами.
Другой пример — фармацевтическая компания, решившая проанализировать социальные сети, чтобы оценить распространение COVID-19 и факторы риска заражения. Специалисты составили набор запросов, чтобы разделить пациентов по различным признакам, например, по упоминаниям медицинских учреждений, которые они посещают. Кроме того, анализ постов в социальных сетях помог проанализировать статус и риски заболевания COVID-19 для представителей разных профессий.
Исследователи, разрабатывающие терапевтические препараты против COVID-19, используют NLP для отслеживания новых публикаций, особенно оценивающих безопасность лекарств и вакцин. Издания открыли бесплатный доступ к критической литературе: например, датасет CORD-19, собранный the Allen Institute for AI, датасет Elsevier и коллекция текстов Copyright Clearance Center COVID-19. Эти огромные ресурсы можно использовать, чтобы понять эффективность или безопасность лекарств, предсказать присутствие сопутствующих заболеваний, естественное течение вируса, а также определить, какие группы населения наиболее подвержены заболеванию.
Какое будущее у NLP в медицине?
К сожалению, люди еще не готовы доверять свое здоровье компьютеру, поэтому процесс внедрения технологий искусственного интеллекта в государственные клиники, скорее всего, начнется не скоро. Даже тот факт, что окончательное решение в любом случае принимает врач, а программа лишь упрощает доступ к данным, не помогает подобным разработкам выйти в массовое применение. Пока достижениями науки пользуются только крупные исследовательские медицинские центры и лаборатории. Однако в них технологии NLP постоянно развиваются, и в итоге, как показывает опыт с COVID-19, возможность использования искусственного интеллекта в критических ситуациях спасает жизни тысяч людей.
А вы бы доверили свое лечение компьютеру?
Источники
- R. Temple. Enrichment of Clinical Study Populations, Clinical Pharmacology & Therapeutics (2010) 88 6, 774–778. doi: 10.1038/clpt.2010.233
- Dina Demner-Fushman, Wendy W.Chapman, Clement J.McDonald. Journal of Biomedical Informatics. Volume 42, Issue 5, October 2009, Pages 760-772.
- Emily Sokol, MPH. Natural Language Processing Advances Clinical Decision Making.
- Jane Reed. How Natural Language Processing (NLP) Can Help Us Understand the Landscape of COVID-19 Information.
- Соревнование на Kaggle по поиску информации о COVID-19