根據(jù)3月25日發(fā)表在《JAMA Internal Medicine》上的研究,由Google的科學(xué)家開(kāi)發(fā)的機(jī)器學(xué)習(xí)模型在早期測(cè)試中成功記錄并繪制了醫(yī)患對(duì)話中的疾病癥狀,但該技術(shù)還有很長(zhǎng)的路要走。
Google資深研究科學(xué)家,加州大學(xué)助理教授Alvin Rajkomar醫(yī)學(xué)博士是第一作者,醫(yī)學(xué)博士Alvin Rajkomar博士說(shuō):“通過(guò)在患者訪視期間通過(guò)語(yǔ)音識(shí)別使醫(yī)療記錄的文書(shū)工作自動(dòng)化,可以使醫(yī)生直接花更多的時(shí)間與患者在一起。 ,舊金山等。在日記中寫(xiě)道?!拔覀兛紤]了使用機(jī)器學(xué)習(xí)自動(dòng)填充系統(tǒng)(ROS)中遇到的所有癥狀的評(píng)論的可行性?!?/p>
團(tuán)隊(duì)先前開(kāi)發(fā)的遞歸神經(jīng)網(wǎng)絡(luò)是提供更多動(dòng)手護(hù)理并關(guān)注患者的又一機(jī)會(huì),能夠區(qū)分與患者病情相關(guān)的相關(guān)癥狀和無(wú)關(guān)癥狀。研究人員從90,000個(gè)先前手動(dòng)轉(zhuǎn)錄的相遇池中隨機(jī)選擇了2,547個(gè)醫(yī)學(xué)相遇記錄本,其中2,091個(gè)用于訓(xùn)練模型,其中456個(gè)用于測(cè)試模型。其余的成績(jī)單用于無(wú)監(jiān)督的培訓(xùn)。
抄寫(xiě)員用185種癥狀標(biāo)記了2500多個(gè)轉(zhuǎn)錄本,并為每種癥狀指定了與ROS的相關(guān)性,因?yàn)樗c患者的經(jīng)歷有關(guān)。機(jī)器學(xué)習(xí)模型的輸入是一個(gè)包含五個(gè)會(huì)話輪次或摘要的滑動(dòng)窗口,輸出分別提到了每種癥狀,與患者的相關(guān)性以及患者是否經(jīng)歷過(guò)該癥狀。
在2091個(gè)測(cè)試集中,研究小組報(bào)告了5970個(gè)癥狀提及,其中79.3%與ROS有關(guān),其中74.2%是患者經(jīng)歷的。在整個(gè)測(cè)試集中,模型的靈敏度為67.7%,陽(yáng)性癥狀的陽(yáng)性預(yù)測(cè)值為80.6%。
作者進(jìn)一步說(shuō),該模型對(duì)不清楚癥狀的敏感性為67.8%,對(duì)于明確提及癥狀的敏感性為92.2%。如果兩個(gè)隨機(jī)選擇的抄寫(xiě)員都獨(dú)立地將ROS中包括任何給定癥狀的可能性評(píng)估為“極有可能”,則認(rèn)為該癥狀被“明確提及”。
Rajkomar及其同事寫(xiě)道:“該模型將準(zhǔn)確記錄-意味著正確識(shí)別癥狀,正確分類(lèi)與筆記的相關(guān)性以及是否分配經(jīng)驗(yàn)豐富的人-明確提到的癥狀占87.9%,不清楚的癥狀占60%,” “通過(guò)經(jīng)歷使這種技術(shù)適應(yīng)簡(jiǎn)單的ROS自動(dòng)繪制任務(wù)的過(guò)程,我們報(bào)告了以前未曾考慮過(guò)的關(guān)鍵挑戰(zhàn):模糊地提到了很大一部分癥狀,因此,甚至人類(lèi)抄寫(xiě)員也不同意如何記錄它們?!?/p>
作者說(shuō),該模型在明顯提及的癥狀上表現(xiàn)良好,這令人鼓舞,但遠(yuǎn)非完美。
他們寫(xiě)道:“解決這個(gè)問(wèn)題將需要精確的溝通,盡管不是繁瑣的術(shù)語(yǔ)。” “將需要進(jìn)一步的研究來(lái)幫助臨床醫(yī)生完成更有意義的任務(wù),例如記錄當(dāng)前的病史?!?/p>
-
Google
+關(guān)注
關(guān)注
5文章
1752瀏覽量
57334 -
語(yǔ)音識(shí)別
+關(guān)注
關(guān)注
38文章
1706瀏覽量
112437 -
機(jī)器學(xué)習(xí)
+關(guān)注
關(guān)注
66文章
8330瀏覽量
132220
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論