AI Mendeteksi Penyalahgakaan Alkohol dalam Rekaman Klinis dengan Akurasi 78%
Peneliti menggunakan pemrosesan bahasa alami dan metode machine learning untuk mengenali penyalahgakaan alkohol dari catatan dokter dalam rekaman kesehatan elektronik.
Dalam 78% kasus, AI dapat membedakan antara pasien trauma yang penyalahgakaan alkohol dan yang tidak.
Sekitar 10% kematian di Amerika Serikat terjadi karena penyalahgakaan alkohol, dan tingkat penyalahgakaan ini meningkat 9% antara 2002 dan 2012. Faktanya, 1 dari 3 pasien dengan pengalaman trauma memiliki penyalahgakaan alkohol.
Studi sebelumnya telah membuktikan bahwa setiap cedera traumatis memberikan kesempatan untuk ajaran yang dapat diajarkan. Program SBIRT (singkatan dari Screening, Brief Intervention, and Referral to Treatment) di pusat trauma telah terbukti mengurangi konsumsi alkohol dan mengurangi kekambuhan cedera hampir 50%.
Sekarang, peneliti di Sistem Kesehatan Universitas Loyola telah menunjukkan bahwa kecerdasan buatan (AI) dapat digunakan untuk mendeteksi pasien trauma dengan penyalahgakaan alkohol. Mereka menggunakan pemrosesan bahasa alami (NLP) dan metode machine learning untuk mengenali penyalahgakaan alkohol dari catatan dokter dalam rekaman kesehatan elektronik.
Bagaimana Ini Berbeda dari Metode Pemeriksaan Saat Ini?
Metode pemeriksaan yang ada menggunakan AUDIT (singkatan dari Alcohol Use Disorders Identification Test) yang terdiri dari 10 item, namun, ada beberapa kekurangan dari metode ini. Diperlukan pembuatan formulir dan prosedur baru ke dalam sistem rekaman kesehatan elektronik.
Kadang-kadang pasien tidak jujur saat menjawab pertanyaan terkait penggunaan alkohol mereka, sehingga hasil tes mungkin tidak sepenuhnya asli. Selain itu, mempekerjakan karyawan untuk melaksanakan dan mengelola alat adalah proses yang memerlukan banyak sumber daya dan waktu.
Algoritma NLP dan machine learning telah berhasil digunakan dalam praktik klinis dan penelitian. Secara khusus, teknik NLP bergantung pada pembelajaran supervised yang menggunakan standar referensi saat ini untuk memprediksi kasus yang belum terlihat.
Referensi: American Medical Informatics Association Journal | doi:10.1093/jamia/ocy166 | Sistem Kesehatan Universitas Loyola
Serta dengan dokumentasi penyedia layanan, klasifikasi NPL memanfaatkan laporan perwakilan, data laboratorium, obat yang tertanam, dan catatan tambahan dari tenaga medis lain yang dikumpulkan dalam 24 jam pertama.
Dalam studi ini, peneliti menggunakan data dari 1.422 pasien dewasa yang dirawat di pusat trauma Loyola selama tiga setengah tahun. Data berisi lebih dari 91.000 catatan dalam rekaman kesehatan elektronik, yang mencakup lebih dari 16.000 konsep medis.
Hasil
Mereka menggunakan Sistem Ekstraksi Pengetahuan dan Analisis Teks Klinis untuk melakukan pemrosesan linguistik pada catatan. Ini membantu mereka mengidentifikasi 16 konsep medis — termasuk vitamin B1 tiamin, marijuana, citra hati, dan marijuana — yang menunjukkan penyalahgakaan alkohol. Dalam 78% kasus, AI dapat membedakan antara pasien trauma yang penyalahgakaan alkohol dan yang tidak.
Baca: Kecerdasan Buatan Dapat Mencium Penyakit pada Napas Manusia | Termasuk Berbagai Jenis Kanker
Secara keseluruhan, AI ini memberikan proses otomatis untuk mengatasi hambatan pasien dan tenaga kerja untuk program SBIRT di pusat kesehatan. Ini akan terjangkau bagi pusat trauma yang memiliki keahlian untuk menggunakan teknik ini.
Peneliti juga menyebutkan bahwa perangkat lunak linguistik dan pemrograman open-source yang digunakan dalam studi ini akan gratis untuk semua pengguna.
