Fujitsu AI tekstmining automatiseert codering van medische gegevens

09-07-2019 | door: Redactie

Fujitsu AI tekstmining automatiseert codering van medische gegevens

Tijdens de jaarlijkse Fujitsu Innovation Gathering in Londen, kondigde Fujitsu Laboratories of Europe een nieuwe AI-technologie aan die het Electronic Health Record (EHR) -beheer verbetert, de verwerking van ongestructureerde (gratis tekst) medische notities automatiseert en een tijdsbesparing van meer dan 90% realiseert met aanzienlijk verbeterde nauwkeurigheid zo beweert het bedrijf.

Met de nieuwe automatische medische coderingsoplossing van Fujitsu, die ervoor zorgt dat wordt voldaan aan de verplichte medische classificaties, worden de annotaties doorgaans binnen 1 minuut geëxtraheerd, vergeleken met 15 minuten die nodig zijn voor handmatige annotatie van klinische aantekeningen. In tegenstelling tot technologieën van de vorige generatie, combineert de AI-text mining-technologie van Fujitsu semantische kennis en natuurlijke taalverwerking (NLP) met Deep Learning om medische aantekeningen te analyseren en waardevolle gegevens te extraheren.

Fujitsu Laboratories of Europe werkt nauw samen met innovatiepartners in de gezondheidszorg, waaronder het toonaangevende San Carlos Clinical Hospital in Madrid, en werkt aan verschillende succesvolle klinische projecten in de afgelopen 4 jaar. Dr Julio Mayol, Chief Medical Officer, legt het belang van deze co-creatie aanpak vanuit een medisch perspectief uit: "We zijn voortdurend op zoek naar nieuwe manieren om de klinische besluitvorming te verbeteren, en ons werk met Fujitsu Laboratories of Europe helpt ons te realiseren belangrijke vooruitgang om de efficiëntie te verbeteren. De meeste EHR-systemen die tegenwoordig beschikbaar zijn, voldoen niet aan de vereisten van de arts / patiënt-relatie. Het gebruik van EHR is zelfs rechtstreeks in verband gebracht met burn-out door een arts, zoals blijkt uit een aantal onderzoeken. Met nieuwe technologieën zoals Fujitsu's nieuwste AI-text mining-technologie, kunnen we deze uitdagingen direct aanpakken en tastbare verbeteringen realiseren in het klinische besluitvormingsproces. "
Fujitsu Laboratories of Europe's Chief Executive Officer dr. Adel Rouz breidt uit: "Onze co-creatiestrategie met partners zoals het San Carlos Clinical Hospital heeft ons een belangrijk inzicht gegeven in de uitdagingen waarmee de gezondheidszorg wordt geconfronteerd, met name op het gebied van het ondersteunen van klinisch besluit -maken. We zijn erin geslaagd een aantal belangrijke innovaties te creëren die nu al een verschil maken voor de workflow van medische professionals. Deze laatste stap is een volgende stap, die helpt de nauwkeurigheid van klinische gegevens te verbeteren en de digitalisering ervan voor ziekenhuizen, medische verzekeringsmaatschappijen en overheidsinstellingen te automatiseren. Wij zijn van mening dat onze technologie bredere toepassingen heeft en gemakkelijk kan worden aangepast om vergelijkbare uitdagingen op andere gebieden op te lossen, zoals verzekeringen, juridische procedures en compliance."

Gestructureerde informatie speelt een essentiële rol in de medische besluitvorming en de verbetering van de zorgverlening. Omdat clinici echter geconfronteerd worden met aanzienlijk minder directe patiëntentijd, vormt de vereiste voor onmiddellijke gegevensinvoer op EMD-systemen een grote extra belasting. Door flexibelere gegevensinvoermethoden mogelijk te maken, zoals een beschrijving van vrije tekst die is gekoppeld aan een patiëntrapport, kan deze overhead worden beperkt, terwijl artsen ook meer nuttige en geschikte patiëntgegevens kunnen vastleggen. Met behulp van de beproefde NLP-technieken biedt Fujitsu Laboratories en Fujitsu Laboratories of Europe's samenwerkende oplossing een directe oplossing voor deze behoefte, waarbij automatisch de gestructureerde informatie wordt opgehaald die vereist is door het EMD-systeem uit de gratis verhalende tekst van clinici. Met behulp van deep learning kan de oplossing opnieuw worden afgestemd op de individuele behoeften van een arts, waardoor extra flexibiliteit mogelijk is in vergelijking met de beperkingen die verbonden zijn aan complexe taalkundige regels die door veel bestaande coderingssystemen worden gebruikt om de juiste termen uit de vrije tekst te identificeren. Het resultaat is een hoge mate van nauwkeurigheid, gekoppeld aan het vermogen om een bredere doorsnede van relevante termen te extraheren dan alleen internationale statistische classificatie van ziekten en aanverwante gezondheidsproblemen (ICD), met betrekking tot therapietrouw of sociale achtergrondgegevens.

Fujitsu's AI Text Mining-oplossing voor de gezondheidszorg maakt gebruik van text mining samen met Deep Learning-technieken in concrete stappen van de medische codeerwerkstroom, waarbij de afhankelijkheid van grote vooraf geannoteerde datasets wordt vermeden.

De aanpak van Fujitsu bestaat uit twee hoofdcomponenten:

1. creatie van de kennisbasis: een kennisgrafiek is ontworpen om de medische classificaties weer te geven en semantisch verrijkt met externe bronnen. Deze semantische verrijking biedt aanvullende context voor medische classificaties en vertaalt zich in verbeterde resultaten in de opeenvolgende fases van het proces. Ontologieën en inbeddingstechnieken voor woorden worden gebruikt voor de semantische verrijking.

2. herkenning en toewijzing: het herkennen van een herkenningsproces van medische termen met behulp van Deep Learning, gevolgd door de definitie van gewogen formules om de score te rangschikken om de potentiële codering van klinische inputnota's te berekenen.

Terug naar nieuws overzicht