مواد تهیه شده توسط دانشگاه کالیفرنیا – علوم بهداشتی لس آنجلس. توجه: محتوا ممکن است برای سبک و طول ویرایش شود.
شناسایی سریع می تواند به طور قابل توجهی تصمیم گیری بالینی را بهبود بخشد و به گزینه های درمانی بهتر منجر شود – ScienceDaily
محدودیت های مطالعه شامل مستندات ضعیف بالقوه توسط ارائه دهندگان است. همچنین، مجموعه داده استفاده شده از سال 2003 تا 2014 است، اما اپیدمی مصرف مواد مخدر تزریقی از آن زمان به بعد از داروهای تجویزی و هروئین به مواد افیونی مصنوعی مانند فنتانیل تغییر یافته است، که ممکن است الگوریتم آن را نادیده بگیرد زیرا مجموعه داده ای که در آن طبقه بندی را آموخته است، نمونه های زیادی از آن را ندارد. آن دارو در نهایت، با توجه به اینکه کاملاً بر اساس داده های اداره جانبازان است، یافته ها ممکن است برای سایر شرایط قابل اجرا نباشد.
منبع داستان:
محققان به صورت دستی 1000 سوابق را از سال 2003 تا 2014 از افراد بستری شده در بیمارستان های اداره جانبازان بررسی کردند. استافیلوکوکوس اورئوس باکتریمی، عفونت رایجی است که زمانی ایجاد می شود که باکتری وارد منافذ پوست می شود، مانند محل های تزریق. آنها سپس الگوریتم هایی را با استفاده از پردازش زبان طبیعی و یادگیری ماشینی توسعه دادند و آموزش دادند و آنها را با 11 ترکیب پروکسی از کدهای ICD برای شناسایی PWID مقایسه کردند.
در حال حاضر، افرادی که مواد مخدر تزریق می‌کنند، از طریق کدهای طبقه‌بندی بین‌المللی بیماری‌ها (ICD) شناسایی می‌شوند که در سوابق سلامت الکترونیکی بیماران توسط ارائه‌دهندگان مراقبت‌های بهداشتی مشخص شده است یا توسط کدگذاران انسانی آموزش‌دیده که آنها را برای مقاصد صورت‌حساب بررسی می‌کنند، از آن یادداشت‌ها استخراج می‌شوند. اما هیچ کد ICD خاصی برای مصرف مواد مخدر تزریقی وجود ندارد، بنابراین ارائه دهندگان و کدگذاران باید به ترکیبی از کدهای غیر اختصاصی به عنوان پروکسی برای شناسایی PWIDها تکیه کنند – رویکردی کند که می تواند منجر به عدم دقت شود.
یک فرآیند خودکار که پردازش زبان طبیعی و یادگیری ماشینی را ترکیب می‌کند، افرادی را شناسایی کرد که مواد مخدر (PWID) را در پرونده‌های سلامت الکترونیکی با سرعت و دقت بیشتری نسبت به روش‌های فعلی که به بررسی دستی سوابق متکی هستند، تزریق می‌کنند.
سایر محققان این مطالعه دکتر امبر تانگ، دکتر متیو بیدوول گوتز، استیون شاپتاو و الکس بیو از UCLA هستند. دکتر میچیهیکو گوتو از دانشگاه آیووا و مرکز پزشکی آیووا سیتی VA. دکتر بابک آریانفر از سیستم بهداشت و درمان VA Greater Los Angeles; سرجیو وازکز از کالج دارتموث؛ و دکتر آدام گوردون از دانشگاه یوتا و سیستم مراقبت بهداشتی سالت لیک سیتی VA. گودمن-مزا و گوتز همچنین قرار ملاقات هایی با VA Greater Healthcare لس آنجلس دارند.
استفاده از این مدل هوش مصنوعی به طور قابل توجهی روند شناسایی افراد PWID را سرعت می بخشد که می تواند تصمیم گیری بالینی، تحقیقات خدمات بهداشتی و نظارت اداری را بهبود بخشد.
دکتر دیوید گودمن، نویسنده اصلی این مقاله می‌گوید: «با استفاده از پردازش زبان طبیعی و یادگیری ماشینی، ما می‌توانیم افرادی را که مواد مخدر تزریق می‌کنند، در عرض چند دقیقه در عرض چند دقیقه شناسایی کنیم، در مقایسه با چندین هفته که انجام این کار توسط یک بازبین دستی نیاز است.» مزا، استادیار پزشکی در بخش بیماری های عفونی در دانشکده پزشکی دیوید گفن در UCLA. این امر به سیستم‌های بهداشتی اجازه می‌دهد تا PWIDها را شناسایی کنند تا منابعی مانند برنامه‌های خدمات سرنگ و مصرف مواد و درمان سلامت روان برای افرادی که مواد مخدر مصرف می‌کنند، بهتر تخصیص دهند.»
