研究人員已經(jīng)使用人工智能來(lái)監(jiān)控電子健康記錄中重復(fù)的患者記錄，以減少臨床錯(cuò)誤和低效的計(jì)費(fèi)。

賓夕法尼亞大學(xué)佩雷??爾曼醫(yī)學(xué)院的學(xué)者發(fā)現(xiàn)，從2015年到2020年，近200萬(wàn)例患者記錄中有50%與之前的筆記重復(fù)。

在2015年33%的記錄和2020年54.2%的記錄中發(fā)現(xiàn)每年的重復(fù)率。患者記錄中的筆記越多，重復(fù)率越高，高達(dá)6%.

“重復(fù)的文本讓人懷疑病歷中所有信息的真實(shí)性，使得在日常臨床工作中很難找到和驗(yàn)證信息，”賓夕法尼亞大學(xué)醫(yī)學(xué)研究報(bào)告寫(xiě)道。

這項(xiàng)名為“電子病歷中重復(fù)信息的流行和來(lái)源”的研究發(fā)表在《美國(guó)醫(yī)學(xué)會(huì)雜志》上。

科學(xué)家們還與兩個(gè)組織合作進(jìn)行分析。RiverRecords，一家自動(dòng)化數(shù)據(jù)處理公司，使用人工智能模型來(lái)簡(jiǎn)化數(shù)據(jù)收集和處理。該平臺(tái)通過(guò)深度學(xué)習(xí)和自然語(yǔ)言處理分析臨床文檔。參與這項(xiàng)研究的還有CareAlign，這是一家人工智能初創(chuàng)公司，它使用旨在與電子健康記錄系統(tǒng)集成的臨床工作流平臺(tái)。

在分析中，研究人員發(fā)現(xiàn)臨床醫(yī)生必須閱讀十個(gè)單獨(dú)的注釋才能獲得500個(gè)單詞的新文本。這可能導(dǎo)致浪費(fèi)時(shí)間收集數(shù)據(jù)和丟失患者數(shù)據(jù)，因?yàn)榕R床醫(yī)生可能沒(méi)有足夠的時(shí)間對(duì)電子健康記錄系統(tǒng)進(jìn)行徹底搜索。

重復(fù)的記錄也可能提供過(guò)時(shí)的信息，因?yàn)樾滤幓蜃罱膶?shí)驗(yàn)室結(jié)果可能不會(huì)更新。

該研究旨在證明深度學(xué)習(xí)和自然語(yǔ)言處理可以簡(jiǎn)化數(shù)據(jù)可訪問(wèn)性、改善患者護(hù)理、有益于人群健康并減少醫(yī)生倦怠。

雖然來(lái)自賓夕法尼亞州的團(tuán)隊(duì)發(fā)現(xiàn)人工智能有可能改善筆記問(wèn)題，但已經(jīng)存在幾個(gè)這樣的系統(tǒng)。南達(dá)科他州的Sanford Health創(chuàng)建了一個(gè)標(biāo)準(zhǔn)化的筆記表格來(lái)解決所謂的“筆記膨脹”。該系統(tǒng)促使供應(yīng)商只記錄他們需要消除重復(fù)的內(nèi)容。

愛(ài)達(dá)荷州健康數(shù)據(jù)交換利用人工智能模型在沒(méi)有人工監(jiān)督的情況下合并數(shù)據(jù)，將重復(fù)率從30%降低到僅1%。