AI는 술을 남용하는 사람을 식별할 수 있습니다

• 연구원은 자연어 처리 및 기계 학습 방법을 사용하여 전자 건강 기록의 임상의 기록에서 알코올 남용자를 식별했습니다.
• 78%의 사례에서 AI는 알코올을 남용한 외상 환자와 그렇지 않은 환자를 구별할 수 있었습니다.

미국에서 사망의 10%가 알코올 남용으로 발생하며 이 오용 비율은 2002년에서 2012년 사이에 9% 증가했습니다. 실제로 외상을 겪은 환자 3명 중 1명은 알코올 남용을 경험합니다.

이전 연구에 따르면 모든 외상성 부상은 가르칠 수 있는 순간을 위한 기회를 제공합니다. 외상 센터의 SBIRT(Screening, Brief Intervention, Referral to Treatment) 프로그램은 알코올 소비를 줄이고 부상 재발을 거의 50% 줄이는 것으로 나타났습니다.

이제 Loyola University Health System의 연구원들은 인공 지능(AI)을 사용하여 알코올 남용으로 외상 환자를 감지할 수 있음을 시연했습니다. 그들은 자연어 처리(NLP) 및 기계 학습 방법을 사용하여 전자 건강 기록의 임상의 기록에서 알코올 남용자를 식별했습니다.

현재 심사 방식과 어떻게 다른가요?

기존의 선별검사 방법은 10개 항목의 AUDIT(Alcohol Use Disorders Identification Test의 약자)를 사용하고 있지만 이러한 방법에는 몇 가지 단점이 있습니다. 이를 위해서는 전자 건강 기록 시스템에 대한 새로운 양식과 절차를 만들어야 합니다.

때때로 환자는 알코올 사용과 관련된 질문에 대답할 때 그다지 정직하지 않으므로 검사 결과가 완전히 진실하지 않을 수 있습니다. 또한 도구를 구현하고 관리할 직원을 고용하는 것은 리소스와 시간이 많이 소요되는 프로세스입니다.

NLP 및 기계 학습 알고리즘은 임상 실습 및 연구에서 성공적으로 사용되었습니다. 보다 구체적으로, NLP 기술은 현재 참조 표준을 활용하여 보이지 않는 사례를 예측하는 지도 학습에 의존합니다.

참조:미국 의학 정보학 협회 저널 | doi:10.1093/jamia/ocy166 | Loyola 대학 의료 시스템

NPL 분류기는 제공자의 문서와 함께 프록시 보고서, 실험실 데이터, 내장된 약물 및 처음 24시간 이내에 수집된 다른 의료진의 추가 메모를 활용합니다.

이 연구에서 연구자들은 3년 반 동안 Loyola 외상 센터에 입원한 성인 환자 1,422명의 데이터를 사용했습니다. 데이터에는 16,000개 이상의 의료 개념이 포함된 전자 건강 기록의 91,000개 이상의 메모가 포함되어 있습니다.

결과

그들은 지식 추출 시스템과 임상 텍스트 분석을 사용하여 메모의 언어적 처리를 수행했습니다. 이것은 B1 비타민 티아민, 마리화나, 간 영상 및 마리화나를 포함하여 알코올 남용을 나타내는 16가지 의학적 개념을 식별하는 데 도움이 되었습니다. 78%의 사례에서 AI는 알코올을 남용한 외상 환자와 그렇지 않은 환자를 구별할 수 있었습니다.

읽기:인공 지능은 사람의 호흡에서 질병의 냄새를 맡을 수 있습니다 | 다양한 암 포함

전반적으로 이 AI는 의료 센터의 SBIRT 프로그램에 대한 환자 및 인력 장벽을 극복하기 위한 자동화된 프로세스를 제공합니다. 이 기술을 사용할 수 있는 전문 지식을 갖춘 외상 센터에서 비용을 절감할 수 있습니다.

연구원들은 또한 이 연구에 사용된 언어 소프트웨어와 오픈 소스 프로그래밍이 모든 사용자에게 무료로 제공될 것이라고 언급했습니다.