Le traitement en langage naturel donne un sens aux notes des médecins

Malgré des milliards de dollars d'incitatifs pour soutenir l'adoption des dossiers médicaux électroniques, les preuves que ces systèmes améliorent l'efficacité ou la qualité des soins sont rares. Mais une nouvelle étude montre que le traitement du langage naturel - une branche de l'informatique qui utilise la linguistique pour analyser la parole régulière - peut considérablement augmenter l'utilité de ces enregistrements pour améliorer les soins.

Les chercheurs ont utilisé cette approche pour passer au crible les notes des médecins, l'aspect le plus riche et le plus compliqué des dossiers médicaux électroniques, pour les complications postchirurgicales telles que la pneumonie et la septicémie. La méthode s'est avérée considérablement plus précise que d'autres systèmes automatisés. Ils disent que des approches similaires pourraient être utilisées pour une variété d'applications, y compris la prédiction des patients à risque et le développement d'outils automatisés qui aident les médecins à choisir des traitements.

Vous pouvez enfin voir comment les données cliniques peuvent être utilisées pour mesurer la sécurité des patients de manière plus systématique, et que nous pourrons vraiment utiliser ces éléments pour gérer les soins, dit Ashish Jha , un médecin de la Harvard Medical School qui a écrit un éditorial accompagnant le document. L'article et l'éditorial ont été publiés cette semaine dans Journal de l'Association médicale américaine .

L'un des avantages les plus attendus des dossiers médicaux électroniques est le suivi informatisé des patients et des institutions - pour détecter si un patient particulier est à risque de complication spécifique, par exemple, ou si un service ou un hôpital spécifique fonctionne moins bien que d'autres.

Le suivi automatisé est déjà utilisé dans la prescription ; par exemple, pour détecter quand deux médicaments interagissent. Étant donné que les informations sur les ordonnances sont une partie très structurée du dossier médical, elles ont été assez faciles à analyser avec un logiciel. Cependant, il est beaucoup plus difficile d'exploiter les vastes informations disponibles dans les parties moins structurées du dossier médical, telles que les notes des cliniciens, qui contiennent des entrées sous forme libre sur les antécédents et l'état du patient, y compris les complications postchirurgicales.

Si nous ne pouvons pas accéder à ces informations, nous aurons du mal à surveiller les dossiers pour améliorer les soins, dit Jha. Ce document est si puissant parce qu'il montre que vous pouvez le faire.

Harvey Murff , médecin à l'Université Vanderbilt, et ses collaborateurs ont abordé le problème à l'aide d'algorithmes de traitement du langage naturel qui intègrent certaines règles de la parole et du langage dans l'analyse. Par exemple, une recherche par mot-clé pourrait récupérer toutes les instances du mot pneumonie, mais le traitement du langage naturel pourrait également prendre en compte des modificateurs, tels qu'aucun signe de pneumonie, qui donnerait un décompte plus précis.

Les chercheurs ont analysé près de 3 000 dossiers médicaux de patients opérés dans six centres médicaux faisant partie de la Veterans Health Administration à la recherche de signes de pneumonie, de septicémie, de thrombose veineuse profonde, d'embolie pulmonaire et d'infarctus du myocarde. Le suivi des incidents indésirables après une intervention chirurgicale peut aider les hôpitaux et les systèmes de santé à surveiller dans quelle mesure une institution suit les directives de sécurité. Mais les méthodes actuelles peuvent nécessiter une main-d'œuvre importante - parcourant manuellement les dossiers pour identifier les complications - ou manquer de précision. Nous voulions essayer de reproduire ce qu'un être humain ferait, mais d'une manière qui serait évolutive dans un cadre de soins de santé plus vaste et plus rentable, explique Murff.

Bien que le développement des algorithmes impliquait des essais et des erreurs, le résultat final était très sensible : ils pouvaient identifier entre 80 % et 90 % des complications précédemment notées dans un examen manuel effectué par des infirmières qualifiées. L'approche de traitement en langage naturel était plus sensible qu'une autre méthode automatisée qui utilisait des codes de facturation pour identifier les complications postchirurgicales. Par exemple, l'approche de Murff a détecté 82 % des cas d'insuffisance rénale aiguë, contre 38 % pour l'approche des codes de facturation.

Cependant, la nouvelle approche était moins spécifique dans de nombreux cas, détectant plus de faux positifs. Je pense qu'avec plus d'itérations, nous pourrions améliorer cela, dit Murff. Son équipe travaille maintenant sur l'utilisation des données contenues dans les notes des cliniciens pour prédire les risques de complications ou d'autres dangers pour la sécurité des patients.

L'un des avantages du traitement du langage naturel est sa flexibilité. Jha dit que l'approche pourrait être utilisée pour un certain nombre d'applications. Les plus remarquables, dit-il, sont les outils d'aide à la décision clinique, où vous donnez aux médecins des idées sur la façon de mieux traiter les patients. Donner aux médecins des suggestions qui prennent en compte les informations contenues dans les notes cliniques serait très puissant.

Nuance, l'un des principaux fabricants de logiciels de reconnaissance vocale, développe déjà des systèmes commerciaux qui utilisent le traitement du langage naturel pour analyser les informations médicales. L'entreprise collabore avec l'équipe d'IBM qui a développé Watson, le robot rendu célèbre en battant des concurrents humains dans le jeu télévisé Péril , pour appliquer les outils de traitement du langage naturel du robot à la médecine.

cacher