Soins de santé - Modèles de TLN
Découvrez les modèles de TLN du service de langue pour les soins de santé afin d'extraire des entités des dossiers de santé tels que les dossiers de santé électroniques (DSN), les notes de progression et les documents d'essais cliniques.
Les modèles de soins de santé constituent une couche fondamentale pour les cas d'utilisation commerciale et d'autres services d'IA. Ces unités d'affaires d'Oracle visent à tirer parti des blocs fonctionnels d'intelligence artificielle et d'apprentissage automatique offerts par les services de langue pour OCI pour créer des applications et des modèles d'apprentissage automatique pour des cas d'utilisation tels que les modèles de risque prédictif de réadmission, les modèles de risque propres à une maladie, Systèmes d'aide à la décision clinique, etc., pour lesquels OCI Language Services doit développer des modèles de TLN de soins de santé fondamentaux tels que l'extraction d'entités de santé, l'établissement de liens entre les entités de santé et les normes médicales, la détection de statut d'assertion et la prévision des relations. Ces modèles de TLN des soins de santé sont intégrés dans le cadre des services de soins de santé OCI, à l'aide de techniques d'apprentissage en profondeur.
Le modèle de TLN pour les soins de santé est utilisé pour traiter les dossiers texte relatifs aux soins de santé, tels que le DSN, pour extraire des entités, déterminer les statuts d'assertion, identifier des entités connexes et lier ces entités à des ontologies prises en charge
Soins de santé - Types de modèle TLN
Healthcare NLP est une suite de quatre modèles :
- Extraction d'entités nommées pour l'état ou reconnaissance d'entités nommées pour l'état (HNER)
-
Le but de la tâche est de trouver et de classer les entités nommées mentionnées dans un texte non structuré en catégories telles que les noms de personnes, les conditions médicales, les médicaments, les dosages, les symptômes, les résultats des tests, les traitements et les procédures, etc.
Exemple : Les expressions de clé en gras désignent les intervalles qui apparaissent avec les types d'entité mappés entre parenthèses.
Utiliser des types d'entité :
-
MEDICINE_NAME -
QUALIFIER.MODIFIER -
MEDICINE_STRENGTH -
MEDICINE_FREQUENCY
" Tacrolimus (MEDICINE_NAME) taper (QUALIFIER.MODIFIER) halted (QUALIFIER.MODIFIER), now at 2.5mg (MEDICINE_STRENGTH) BID (MEDICINE_FREQUENCY)" -
- Extraction des relations de santé / Prédiction des relations de santé (HRE)
-
Le but de la tâche est d'identifier les relations sémantiques possibles entre les entités. Par exemple, la relation entre la médecine et son dosage dans le texte de soins de santé.
Exemple : Les expressions de clé en gras désignent les intervalles qui apparaissent avec les types d'entité mappés entre parenthèses.
Utiliser des types d'entité :
-
MEDICINE_DURATION -
MEDICINE_NAME -
REGIMEN_THERAPY -
QUALIFIER.MODIFIER
"She has received 4 cycles (MEDICINE_DURATION) of Ruxience (MEDICINE_NAME) Plus CVP (REGIME_THERAPY) completed (QUALIFIER.MODIFIER) in [**DATE**]La relation extraite est :
-
DURATION_OF_MEDICINE(Ruxience, 4 cycles) -
MODIFIER_OF_MEDICINE_NAME(Ruxience, complété) -
MODIFIER_OF_REGIME_THERAPY(CVP, terminé)
-
- Détection des assertions de santé (DSAH)
-
L'objectif de la détection d'assertions de santé est d'identifier les types d'assertions pour les types d'entités médicales (tels qu'ils apparaissent comme des intervalles) dans le texte clinique, à savoir la certitude (que le concept médical soit positif, nié, possible ou hypothétique), temporalité (que le concept médical soit pour le présent, le passé ou l'histoire future), sujet (que le concept médical soit décrit pour le médecin, le patient, un membre de la famille ou autre) et ainsi de suite.
Exemples :
Instance de service Texte Étendue avec type d'entité Modalité/Dimension Valeur/Qualificateur 1 Prescrire des jours de maladie en raison du diagnostic de grippe Grippe (SOUDRE) Certitude Certainement 2 Ses reins se détériorent reins (BODY_STRUCTURE) Cours Dégradation 3 Il a une douleur aiguë dans la jambe gauche douleur dans la jambe gauche (SIGN_SYMPTOM) Gravité Grave - Liaison des entités médicales de santé (HMEL)
-
L'objectif de la tâche est d'associer ou de lier des mentions (spans) d'entités reconnues à leur noeud correspondent dans une base de connaissances ou une ontologie. Dans la pratique, la liaison d'entité est utile pour la liaison automatique des dossiers médicaux électroniques (DSE) à des entités médicales, soutenant des tâches en aval telles que le diagnostic, la prise de décision et autres.
Exemple :
"Indication: Acute hypoxia, Relapsed AML, GVHD, and renal failure with new hypoxia with clear chest X-ray"Intervalle pour le type d'entité 'DISORDER' Code ICD 10 CM (Ontologie) Hypoxie aiguë J96,01 LBA rechutée C92.02 GVHD D89,813 Insuffisance rénale avec une nouvelle hypoxie N17.1
Ontologies prises en charge
- Rxnorm : Voir https://www.nlm.nih.gov/research/umls/rxnorm/index.html.
- SNOMED CT US : Voir .https://www.nlm.nih.gov/healthit/snomedct/us_edition.html
- ICD 10 CM : Voir https://www.cdc.gov/nchs/icd/icd-10-cm/index.html.
- Tumult : Voir https://www.drugs.com/mtm/.
Architecture de pipeline pour quatre services
Ces modèles de traitement du langage naturel pour les soins de santé sont intégrés dans le cadre des services de soins de santé OCI et déployés sur le point d'extrémité du traitement du langage naturel pour les soins de santé OCI à l'aide d'une architecture de pipeline.
L'exemple suivant montre du texte en tant qu'entrée dans le point d'extrémité Health NLP et la sortie produite pour différents modules.
Texte d'entrée : douleur dans l'aisselle; Aceclofenac conseillé deux fois par jour pendant 3 jours.
Lors de l'utilisation du modèle de TLN Oracle, il est important de vérifier l'exactitude des notes de confiance fournies. Ces scores peuvent vous aider à déterminer le seuil de confiance approprié pour votre cas d'utilisation particulier. Cependant, pour assurer la conformité aux règlements, il est toujours conseillé de vérifier l'exactitude de toute entité de santé détectée par d'autres moyens tels que l'examen humain.
Cas d'utilisation
Les modèles de TLN de soins de santé ont un large éventail de cas d'utilisation dans le secteur des soins de santé, révolutionnant le secteur en améliorant les soins aux patients, en rationalisant les opérations et en facilitant la recherche.
- Amélioration de la documentation clinique
- Le TLN peut aider le personnel soignant en extrayant des informations pertinentes des dossiers patient afin de fournir des recommandations pour les options de traitement.
- Soutien à la décision clinique
- Le TLN peut aider le personnel soignant en extrayant des informations pertinentes des dossiers patient afin de fournir des recommandations pour les options de traitement.
- Codage médical
- Le TLN peut aider à automatiser le codage des procédures médicales et des diagnostics en analysant les notes des médecins.
- Télémédecine
- Développez des assistants vocaux qui peuvent transcrire les interactions médecin-patient, mettre à jour les dossiers de santé électroniques et fournir un accès rapide aux données pertinentes des patients pendant les rendez-vous.
Types d'entité pris en charge
| Type d'entité | Description | |
|---|---|---|
| 1 | EN-TÊTE |
Plainte du chef → HEADER Détecter les en-têtes de section principaux dans le document. Le marquage du HEADER dépend fortement de la structure du document. Utilisez le contexte approprié pour marquer les sections de document comme HEADER. |
| 2 | SUB_HEADER | Tous les en-têtes enfants de l'en-tête principal. Ce type d'entité peut inclure des sous-en-têtes ou des sous-sous-en-têtes. |
| 3 | BODY_STRUCTURE | Les noms d'organes, les sites d'organes, les parties du corps ou les régions du corps. |
| 4 | MORPHOLOGIC_ABNORMALITY | Structure anatomique anormale du corps. |
| 5 | CELLULE | Types de cellule. |
| 6 | FINDING.SIGN_SYMPTOM |
Les signes ou symptômes de l'état de santé. Signes : Conclusions d'objectif pouvant être observées par un fournisseur de soins de santé. Symptômes : Expériences subjectives signalées par le patient. |
| 7 | FINDING.OTHER |
Les résultats qui ne sont pas des signes ou des symptômes, sont considérés comme FINDING.OTHER. Observations : Acquisition active d'informations subjectives ou objectives à partir d'une source principale. Cela comprend des résultats généraux d'observation du patient. Ce type d'entité peut capturer des aspects tels que :
|
| 8 | TROUBLE |
maladies et troubles.
|
| 9 | STAGING_SCALE |
|
| 10 | ASSESSMENT_SCALE |
|
| 11 | TUMOR_STAGING |
|
| 12 | MEDICATION_ORDER | Phrases ou segments du document DSN contenant des entités liées aux commandes de médicaments. |
| 13 | MEDICINE_NAME | Nom générique du médicament. |
| 14 | MEDICINE_FREQUENCY | Fréquence des médicaments. Par exemple : Deux fois par jour, tous les jours, q4h |
| 15 | MEDICINE_DOSE | Tous les mots mentionnant la dose de médicament. |
| 16 | MEDICINE_DOSE.FORM | La seule forme de dose. |
| 17 | MEDICINE_ROUTE | Voie d'administration. |
| 18 | MEDICINE_DURATION | Durée du médicament. |
| 19 | MEDICINE_STRENGTH | La force du médicament. |
| 20 | MEDICINE_DISPENSE | Nombre total d'unités de médecine distribuées. |
| 21 | MEDICINE_PRN_ASNEEDED | La prescription PRN signifie " pro re nata ", ce qui signifie que l'administration de médicaments n'est pas programmée. Au lieu de cela, la prescription est prise selon les besoins. |
| 22 | MEDICINE_REFILL_AMOUNT | Nombre de fois où un médicament est rechargé. |
| 23 | MEDICATION_CLASS |
Noms collectifs des groupes de médicaments. Les médicaments peuvent être classés de différentes manières selon :
|
| 24 | OBSERVABLE_ENTITY.VITALS |
|
| 25 | OBSERVABLE_ENTITY.OTHER |
L'entité observable est le nom de quelque chose qui peut être observé et représente une question ou une évaluation qui produit une réponse ou un résultat. Fonctions exercées par le corps ou l'organe. Cela exclut les VITALS. |
| 26 | PROCEDURE.LAB_TEST | Les tests de laboratoire sont effectués sur un échantillon de sang, d'urine ou d'une autre substance du corps. |
| 27 | PROCEDURE.OTHER | La procédure est une action ponctuelle effectuée sur le patient pour traiter une condition médicale ou pour fournir des soins au patient. |
| 28 | REGIME_THERAPY | Le traitement est des interventions effectuées sur une période de temps (jours, semaines, mois) pour traiter une maladie ou un trouble. |
| 29 | MESURE | Les mesures liées au laboratoire, à la procédure, au traitement, aux signes vitaux, Observalbe_entities, etc. Elle inclut la valeur de mesure (numérique) et l'unité. |
| 30 | ALLERGEN_AGENT | Le médicament et les allergies alimentaires. |
| 31 | VACCINATION |
Les noms des vaccins, y compris : Vaccin contre l'hépatite A, vaccin contre la COVID, vaccin contre la grippe, ROR, tétanos, polio, varicelle, pneumocoque, petite varicelle, hépatite B, hanche, mamans, rubéole, VPI, grippe A, grippe B, rage, VPO, hépatite B19.10, grippe, méningocoque ACWY, Tdap, grippe B +, grippe A J10.1, rougeole, DT, méningocoque ACWY, etc. |
| 32 | OCCUPATION.MEDICAL_ROLE | Les professions/professions médicales spécifiques sont considérées dans cette catégorie. Exemples :
|
| 33 | OCCUPATION.OTHER | Les autres professions / professions non médicales |
| 34 | PERSON.FAMILY | Personne pour laquelle les données sont mises à jour. Exemples :
|
| 35 | PERSON.OTHER | Les autres personnes qui pourraient ne pas être une famille ou des parents. |
| 36 | SUBSTANCE |
Les concepts qui peuvent être utilisés pour l'enregistrement et la modélisation :
|
| 37 | ÉVÉNEMENT |
La situation de l'individu à un moment précis, ce qui est pertinent pour ses soins de santé. Occurrences ayant un impact sur la santé ou les soins de santé, à l'exclusion des procédures ou des interventions. |
| 38 | PHYSICAL_OBJECT.MEDICAL_DEVICE | Les dispositifs physiques liés aux soins de santé ou aux blessures/accidents. |
| 39 | RECORD_ARTIFACT.DOCUMENT_TYPE |
Composant article/document/note de la demande. Les documents cliniques, ou parties. Les artefacts d'enregistrement ne doivent pas nécessairement être des rapports ou des enregistrements complets. Ils peuvent faire partie d'un artefact d'enregistrement plus grand. |
| 40 | RECORD_ARTIFACT.OTHER | Les sous-sections des documents. |
| 41 | SPÉCIALISÉ | liés aux services. |
| 42 | ENVIRONMENT.CARE |
L'environnement ou l'endroit où les patients reçoivent des soins. Exemples :
Emplacement de la personne, de la pharmacie, de tout service spécialisé, de tout emplacement générique. |
| 43 | INDEPENDENT_HISTORIAN |
|
| 44 | SITUATION |
Phrases qui doivent être enregistrées dans le dossier du patient, mais qui modifient le contexte par défaut.
|
| 45 | ORGANISATION | Organismes importants pour la médecine humaine et animale utilisés dans la modélisation de la cause de la maladie. |
| 46 | SPÉCIMEN | Entités obtenues (généralement auprès de patients) pour examen ou analyse. |
| 47 | QUALIFIER.MODIFIER |
Les qualificatifs sont les mots ou les expressions qui ajoutent des détails au terme. Nous annotons uniquement les mots liés aux catégories potentielles suivantes en tant que qualificatifs.
|