Modèles de traitement du langage naturel pour le secteur de la santé
Découvrez les modèles NLP du service linguistique Healthcare pour extraire des entités des dossiers médicaux tels que les dossiers médicaux électroniques, les notes d'avancement et les documents d'essais cliniques.
Les modèles de santé constituent une couche fondamentale pour les cas d'utilisation commerciaux et d'autres services d'IA. Ces unités opérationnelles d'Oracle visent à tirer parti des blocs de construction d'IA/ML proposés par OCI Language Services pour créer des applications et des modèles d'apprentissage automatique pour des cas d'utilisation tels que des modèles de risque prédictifs de réadmission, des modèles de risque spécifiques à une maladie, Systèmes d'aide à la décision clinique, etc., pour lesquels OCI Language Services doit développer des modèles NLP de soins de santé fondamentaux tels que l'extraction d'entités de santé, la liaison d'entités de santé aux normes médicales, la détection du statut d'assertion et la prédiction des relations. Ces modèles de traitement du langage naturel dans le secteur de la santé sont intégrés aux services OCI Healthcare de la structure, à l'aide de techniques de deep learning.
Le modèle NLP Healthcare est utilisé pour traiter des enregistrements de texte de santé tels que le DPI afin d'extraire des entités, de déterminer des statuts d'assertion, d'identifier des entités associées et de lier ces entités à des ontologies prises en charge.
Healthcare - Types de modèle NLP
Healthcare NLP est une suite de quatre modèles :
- Extraction d'entité nommée Health ou reconnaissance d'entité nommée Health (HNER)
-
L'objectif de la tâche est de trouver et de classer les entités nommées mentionnées dans le texte non structuré en catégories telles que les noms de personne, les conditions médicales, les médicaments, les dosages, les symptômes, les résultats des tests, les traitements et les procédures, etc.
Exemple : Les expressions en gras désignent les étendues qui apparaissent avec les types d'entité mis en correspondance entre parenthèses.
Utiliser des types d'entité :
MEDICINE_NAMEQUALIFIER.MODIFIERMEDICINE_STRENGTHMEDICINE_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
-
Le but de la tâche est d'identifier les relations sémantiques possibles qui peuvent se produire entre les entités. Par exemple, la relation entre la médecine et son dosage dans le texte de santé.
Exemple : Les expressions en gras désignent les étendues qui apparaissent avec les types d'entité mis en correspondance entre parenthèses.
Utiliser des types d'entité :
MEDICINE_DURATIONMEDICINE_NAMEREGIMEN_THERAPYQUALIFIER.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, terminé)MODIFIER_OF_REGIME_THERAPY(CVP terminé)
- Détection d'assertion d'état (HASD)
-
Le but de la détection d'assertion médicale est d'identifier les types d'assertion pour les types d'entités médicales (comme ils apparaissent comme des étendues) dans le texte clinique, à savoir la certitude (que le concept médical soit positif, négatif, 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 :
SI Texte Etendue avec type d'entité Modalité/Dimension Valeur/Qualifiant 1 Prescrire des jours de maladie en raison du diagnostic de grippe grippe (DISORDER) Certitude Certain 2 Ses reins se détériorent reins (BODY_STRUCTURE) Cours aggravation 3 Il a une douleur aiguë dans la jambe gauche douleur dans la jambe gauche (SIGN_SYMPTOM) Gravité Grave - Liaison d'entités médicales (HMEL)
-
Le but de la tâche est d'associer ou de lier des mentions (spans) d'entités reconnues à leur noeud correspondant dans une base de connaissances ou une ontologie. Dans la pratique, la liaison d'entités est utile pour la liaison automatique des dossiers de santé électroniques (DSE) aux entités médicales, en soutenant des tâches en aval telles que le diagnostic, la prise de décision, etc.
Exemple :
"Indication: Acute hypoxia, Relapsed AML, GVHD, and renal failure with new hypoxia with clear chest X-ray"Etendue pour le type d'entité "DISORDER" Code CIM 10 CM (Ontologie) Hypoxie aiguë J96.01 AML rechuté C92.02 GVHD D89,813 Insuffisance rénale avec une nouvelle hypoxie N17.1
Ontologies prises en charge
- Rxnorm : reportez-vous à https://www.nlm.nih.gov/research/umls/rxnorm/index.html.
- SNOMED CT US : Voir .https://www.nlm.nih.gov/healthit/snomedct/us_edition.html
- CIM 10 CM : reportez-vous à https://www.cdc.gov/nchs/icd/icd-10-cm/index.html.
- Tumult : reportez-vous à https://www.drugs.com/mtm/.
Architecture de pipeline de quatre services
Ces modèles de traitement du langage naturel dans le secteur de la santé sont intégrés aux services OCI Healthcare et déployés sur l'adresse OCI Healthcare NLP à l'aide d'une architecture de pipeline.
L'exemple suivant montre du texte en entrée pour l'adresse NLP Health et la sortie produite pour différents modules.
Texte d'entrée : douleur à l'aisselle ; conseil Aceclofenac deux fois par jour pendant 3 jours.
Lorsque vous utilisez le modèle de traitement du langage naturel Oracle, il est important de vérifier l'exactitude des scores de confiance fournis. Ces scores peuvent vous aider à déterminer le seuil de confiance approprié pour votre cas d'emploi particulier. Cependant, pour assurer la conformité à la réglementation, 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'emploi
Les modèles de TLN des soins de santé ont un large éventail de cas d'utilisation dans les 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 traitement du langage naturel peut aider les soignants en extrayant les informations pertinentes des dossiers des patients afin de fournir des recommandations sur les options de traitement.
- Aide à la décision clinique
- Le traitement du langage naturel peut aider les soignants en extrayant les informations pertinentes des dossiers des patients afin de fournir des recommandations sur les options de traitement.
- Codage médical
- La PNL peut aider à automatiser le codage des procédures médicales et des diagnostics en analysant les notes des médecins.
- Télémédecine
- Développer des assistants vocaux capables de transcrire les interactions médecin-patient, de mettre à jour les dossiers médicaux électroniques et de fournir un accès rapide aux données patient pertinentes lors des rendez-vous.
Types d'entité pris en charge
| Type d'entité | Description | |
|---|---|---|
| 1 | EN-TÊTE |
Plainte en chef → HEADER Détectez 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 enfant de l'en-tête principal. Ce type d'entité peut inclure des sous-en-têtes ou des sous-sous-en-têtes. |
| 3 | BODY_STRUCTURE | Noms d'organes, sites d'organes, parties du corps ou régions du corps. |
| 4 | MORPHOLOGIC_ABNORMALITY | La structure anatomique anormale du corps. |
| 5 | CELLULE | Types de cellule. |
| 6 | FINDING.SIGN_SYMPTOM |
Les signes ou symptômes de l'état de santé. Signes : résultats d'objectif pouvant être observés par un fournisseur de soins de santé. Symptômes : expériences subjectives rapportées 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 inclut les résultats généraux de l'observation du patient. Ce type d'entité peut capturer des aspects tels que :
|
| 8 | TROUBLE |
Les maladies et les troubles.
|
| 9 | STAGING_SCALE |
|
| 10 | ASSESSMENT_SCALE |
|
| 11 | TUMOR_STAGING |
|
| 12 | MEDICATION_ORDER | Schémas ou segments du document DPI contenant les entités liées aux prescriptions médicamenteuses. |
| 13 | MEDICINE_NAME | Nom générique du médicament. |
| 14 | MEDICINE_FREQUENCY | Fréquence des médicaments. Exemples : Deux fois par jour, tous les jours, q4h |
| 15 | MEDICINE_DOSE | Tous les mots mentionnant le dosage du médicament. |
| 16 | MEDICINE_DOSE.FORM | La seule forme de dose. |
| 17 | MEDICINE_ROUTE | Voie d'administration. |
| 18 | MEDICINE_DURATION | La durée du médicament. |
| 19 | MEDICINE_STRENGTH | La force du médicament. |
| 20 | MEDICINE_DISPENSE | Nombre total d'unités de dispensation du médicament. |
| 21 | MEDICINE_PRN_ASNEEDED | La prescription PRN signifie "pro re nata", ce qui signifie que l'administration de médicaments n'est pas planifiée. Au lieu de cela, la prescription est prise au besoin. |
| 22 | MEDICINE_REFILL_AMOUNT | Nombre de réapprovisionnements d'un médicament. |
| 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 civilisations. |
| 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 | Mesures liées au laboratoire, à la procédure, au traitement, aux signes vitaux, à Observalbe_entities, etc. Il inclut la valeur de mesure (numérique) et l'unité. |
| 30 | ALLERGEN_AGENT | Le médicament et les allergies alimentaires. |
| 31 | IMMUNISATION |
Les noms des vaccins, y compris : Vaccin contre l'hépatite A, vaccin contre la covidie, vaccin contre la grippe, RRO, tétanos, polio, varicelle, pneumocoque, variole, hépatite B, hanche, mamans, rubéole, VPI, grippe A, grippe B, rage, VPO, hépatite B B19.10, grippe, ACWY méningococcique, Tdap, grippe B +, grippe A J10.1, rougeole, DT, ACWY méningococcique, etc. |
| 32 | OCCUPATION.MEDICAL_ROLE | Les professions médicales spécifiques sont considérées dans cette catégorie. Exemples :
|
| 33 | OCCUPATION.OTHER | Les autres professions non médicales / professions |
| 34 | PERSON.FAMILY | Personne pour laquelle les informations sont gérées. 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 autour de l'individu à un moment donné, ce qui est pertinent pour ses soins de santé. Événements ayant un impact sur la santé ou les soins de santé, à l'exclusion des procédures ou interventions. |
| 38 | PHYSICAL_OBJECT.MEDICAL_DEVICE | Les dispositifs physiques pertinents pour les soins de santé, ou pour les blessures / accidents. |
| 39 | RECORD_ARTIFACT.DOCUMENT_TYPE |
Composant article/document/note de la demande. 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 important. |
| 40 | RECORD_ARTIFACT.OTHER | Les sous-sections des documents. |
| 41 | SPÉCIALITÉ | Lié aux services. |
| 42 | ENVIRONMENT.CARE |
Environnement ou emplacement où les patients reçoivent des soins. Exemples :
Emplacement du patient, de la pharmacie, de toutes les unités spécialisées et de tous les emplacements génériques. |
| 43 | INDEPENDENT_HISTORIAN |
|
| 44 | SITUATION |
Les expressions qui doivent être enregistrées dans le dossier du patient mais qui modifient le contexte par défaut.
|
| 45 | ORGANISATION | Les organismes de signification pour la médecine humaine et animale utilisés dans la modélisation de la cause de la maladie. |
| 46 | PRÉLÈVEMENT | Les entités qui sont obtenues (généralement 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.
|