医疗保健中的自然语言处理_自然语言处理在医疗健康领域的应用代码

CDA数据分析师 出品

当涉及医疗保健行业时，人们可能会想到AI方法的众多用例，例如机器视觉或预测分析。但是， 自然语言处理（NLP）在医疗保健中的应用也多种多样。

在本文中，我将介绍NLP为医院和医疗保健公司开发的一些应用程序。我们将通过探索向医疗保健提供商提供NLP软件的四家公司来做到这一点：

• IQVIA 的平台利用社交媒体等非结构化和替代性数据源，以及医疗文档，来生成有关法规和合规性的分析。宣传该软件以查找有关更改客户公司合规性要求的有用信息。
• 3M 提供了一个称为CodeRyte CodeAssist的系统，该系统可以识别医师报告中有关疾病和治疗的陈述。然后，该软件会使用国际疾病分类（ICD）和当前程序术语（CPT）代码为报告添加标签，以便可以由患者的保险公司自动偿还费用。
• 亚马逊的NLP的解决方案，可用于队列分析，或在被录取找到正确的病人的过程中临床试验的新药物。该软件会梳理患者数据，以找出最适合的患者。
• Nuance Communications为医生提供了一种名为Dragon Medical One的解决方案，该解决方案将医生的话语翻译成电子健康记录（EHR）。

我们将使用IQVIA及其医疗编码和合规解决方案开始对医疗保健领域的NLP进行分析：

用于医疗编码和合规的NLP

IQVIA

成立于2016年的康涅狄格州初创公司IQVIA提供了一个同名软件平台，据称它们可帮助医疗保健公司跟上行业合规性要求的变化。他们还称它可以说明安全和质量合规性，以及医疗保健行业和商业法规。

IQVIA表示其合规性解决方案平台在公司称为“ IQVIA核心”的平台上运行，该核心是从其衍生出所有解决方案的一组技术和服务。IQVIA的分析引擎就是这一“核心”的一部分。据称，该引擎同时使用了预测分析和NLP来梳理数据并找到用户正在寻找的信息。IQVIA可能在其分析引擎中使用NLP来组合来自社交媒体，电子病历（EMR），临床试验和其他医学文档的非结构化数据。这些文档将包含文本数据，而没有任何有关如何编写文本的指导，以便计算机可以理解。结果，NLP可以帮助理解可能对客户有价值的信息。

IQVIA的分析引擎似乎专注于合同和商业化，因此他们对NLP的使用使客户无需阅读每一份医疗文件就可以找到有关遵守行业和法律标准的见解。

IQVIA的网站指出，该公司可以访问来自成千上万个社交媒体来源的数百万条患者记录，临床试验和文本链。机器学习算法可能已在此数据上进行了训练。数据将涉及患者或员工安全，新药或其他保健产品的运作状况等问题。关键字或短语将被标记为与其可能反映的合规性问题有关。

例如，如果临床试验文件中的一个段落指出患者遭受了新发现的药物副作用，那么数据科学家可能会将该陈述标记为与安全法规遵从性有关。这将训练算法以识别合规团队可能将其解释为重要的安全合规信息的文本链。

然后，客户可以将算法暴露给未贴标签的文档或社交媒体帖子，并且能够识别其中的重要信息，以提取合规人员正在寻找的信息。这些类别将包括安全合规性，法规合规性，质量控制标准和商业合规性。

以下是IQVIA网站的图形，显示了通过其分析引擎的数据和信息流：

▲IQVIA的分析引擎流程

IQVIA 没有提供任何案例研究来证明其软件的成功。

IQVIA 并未列出任何过去的客户，但他们已经筹集了4,000万美元的风险投资，并得到了Cota Healthcare的支持。

Harietta Eleftherochorinou是IQVIA的ML和AI 的全球高级负责人。她拥有伦敦帝国理工学院的医学和基因组学机器学习博士学位。加入IQVIA之前，Eleftherochoriou 曾担任德勤咨询公司高级分析和数据科学主管。

3M

3M提供了称为Code Ryte Code Assist System的软件，该软件可以帮助医疗保健提供者和医生准确地报告患者的病情以及所接受的手术或服务。该软件将通过使用NLP扫描包含非结构化数据的医师报告来提供帮助。

Code Ryte密码辅助系统用于将国际疾病分类（ICD）和当前程序术语（CPT）密码分配给医生的报告。ICD代码用于对医师报告中提到的疾病和相关健康问题进行分类。CPT代码用于列出患者已接受或接受的医疗，外科和诊断程序或服务。它们是简化报表搜索的速记。这两种代码类型对于处理医师报告并标记它们的工作流程都是必需的，以便优化医疗报销。

3M的Code Ryte Code Assist软件背后的机器学习算法很可能接受了数十万份有关疾病以及患者为这些疾病所接受的治疗或服务的医生报告。

报告中提到的每种疾病都将贴上ICD代码，每种服务或治疗都将贴上CPT代码。例如，如果患者在操作农用车辆时受伤，那么该报告将自动附加一个ICD代码，该代码对应于涉及农用车辆的伤害。该代码可能看起来像“ V84.0”。

这些标记的报告随后将通过机器学习算法运行，该算法将训练它识别哪些报告对于哪些报告是必需的。它还将训练它以确定哪些文本链是需要ICD代码或CPT代码的指示。

然后，客户公司可以通过该软件运行未加标签的医师报告，并且它将检测与每种代码类型相关的关键字和短语。它可以将这些代码自动分配给报告。这可以允许更快地确定ICD和CPT代码以实现准确和优化的报销。

3M 称已帮助加利福尼亚医疗业务服务（CMBS）自动对其报告进行编码，以加快流程并解决其未编码报告的积压。他们还发现，他们必须遵守政府对医师质量报告系统（PQRS）的要求，该要求针对CMBS采取了许多措施来编码其报告。根据案例研究，CMBS看到他们的三周积压随着时间的推移完全消失，并实现了PQRS编码过程的自动化。

3M公司还列出了按需解决方案公司作为一个他们过去的客户。

Brian Stankiewicz是3M的首席数据科学家。他拥有UCLA认知科学博士学位。此前，Stankiewicz是明尼苏达大学的博士后研究科学家。

NLP寻找合适的临床试验参与者

亚马孙

亚马逊提供了名为“亚马逊综合医疗”的软件，该软件可以帮助医疗保健公司和提供商从病历中找到商业见解，准确地为其病历编码以及为临床试验找到合适的患者。该软件使用NLP来梳理这些书面文档以查找所需的信息。

除了医疗编码和商业智能外，Amazon Comprehend Medical还可以帮助进行医疗队列分析。据称该软件能够突出显示与客户临床试验标准最相关的医学信息。

亚马逊称可以从非结构化文本中找到此信息，例如有关患者患病经历的报告中的医生记录。重要数据点将被提取，因此用户将更容易访问它们。

这允许用户对患者进行更明智的决策以招募其临床试验患者。例如，一种用于治疗多发性硬化症症状的药物可能是客户下一次临床试验的主题。医生笔记中的文本数据可以告诉Amazon Comprehend Medical用户其网络中的所有多发性硬化症患者，或者他们具有联系信息。

Amazon的Comprehend Medical机器学习算法很可能接受了数百万医师记录，患者健康记录和临床试验报告的培训。对于医学队列分析，所有这些文档中的文本都必须根据对招募合适的试验参与者重要的多个因素进行标记。

这些因素可能是当前的一种或多种疾病，参与者的年龄和性别，以及与被测药物相似的药物史。这些带有标签的文档将通过算法运行，该算法将“教”软件以确定用户的意图，以便根据用户输入的关键字提取正确的参与者记录。

然后，来自客户公司的用户可以使用该软件搜索包含多个未标记文档的数据库。然后，它将能够检测到文档中与用户正在搜索的疾病，疾病或人口统计学相对应的单词。这样一来，与被测药物应该具有相同疾病的人就可以首先出现在搜索中，并加快决策过程。

下面是来自亚马逊网站的图形，该图形显示了流入和流出Amazon Comprehend Medical的数据流以及该软件如何处理这些数据：

▲关于Amazon Comprehend Medical工作原理的图形展示

亚马逊没有提供任何案例研究来证明使用Amazon Comprehend Medical成功。

亚马逊还将弗雷德·哈奇，普华永道和罗氏列为过去的一些客户。

Miezianko是亚马逊的机器学习专家。他拥有天普大学人工智能软件系统博士学位。此前，Miezianko曾担任UnitedHealth Group的高级首席数据科学家和机器学习总监。

临床文献的语音识别

Nuance Communications

Nuance Communications提供了称为Dragon Medical One的软件，他们称该软件可帮助医生和医疗保健提供者使用NLP将语音转换为医疗文档，例如EHR。

该公司广告宣传Dragon Medical One能够在医生用配备的麦克风讲话时将语音转换为文本。会诊进行时，软件和麦克风都在医生的计算机上运行，医生可以对着麦克风讲话，就像要写下笔记一样。Dragon Medical One可以检测到此情况并将医生的话“键入”到EHR中。这自动使医生负责将其记录的笔记抄录到EHR中。

Nuance Communication的机器学习算法将不得不接受成千上万的语音请求和成千上万的单词的训练，这些单词必须以不同的音调，变调和重音来表达。请求中可能包含一些信号，这些信号向系统发出信号以开始换行或以句点结束句子。然后，机器学习算法将能够将医生发出的声音识别为要输入到系统或执行的单词和命令。

然后，客户可以对启用了Dragon Medical One的麦克风讲话，该软件将能够将所说的内容抄录到所连接的EHR系统中。对于某些与口头命令相同的单词，例如说“换行”以使软件跳到下一个文本行，这可能需要更改词首度，也可能不需要。

Nuance Communications称已经帮助 Allina Health 增加了他们的临床文档，并为他们的医生改善了EHR经验。Allina Health将Dragon Medical One 整合到其EHR创建过程中。这使医生不必将自己说话的所有内容抄录到EHR麦克风中。根据案例研究，在采用Dragon Medical One之后，Allina Health看到他们基于语音的文档有70％是自动的，捕获的文档总数增加了167％。

Nuance Communications 还将内布拉斯加州医学和南佛罗里达州浸信会健康组织列为过去的一些客户。

Paul Tepper是Nuance Communications认知创新小组AI实验室的负责人以及AI和机器学习的产品经理。 他拥有西北大学的计算机科学和通信研究博士学位。此前，Tepper 曾在Idibon 担任高级计算语言学工程师。