El procesamiento del lenguaje natural es un subdisciplina de la inteligencia artificial, y que puede ser de gran utilidad en el cuidado de la salud, extrayendo pepitas clínicas de todo el texto libre en registros de salud electrónicos y almacenes de datos.
Marty Elisco, director general de Augintel, una empresa de PNL para el cuidado de la salud, cree que la PNL se generalizará en 2023 por tres motivos: se han solucionado los problemas, se ha demostrado el valor y es el momento adecuado.
Noticias de TI para el cuidado de la salud habló con Elisco para que explicara estas razones y ayudara a los CIO de atención médica y otros líderes de TI de salud a comprender por qué 2023 podría ser el año para la PNL.
P. Una de las razones por las que sugiere que más organizaciones de proveedores de atención médica adopten la tecnología de procesamiento de lenguaje natural en 2023 es porque tLas torceduras han sido resueltas. Hable sobre los problemas que dice que se han solucionado y cómo eso fomentará la adopción.
UNA. Primero, nivelemos la definición de PNL. La PNL se refiere a la rama de la informática que se ocupa de dar a las computadoras la capacidad de comprender textos y palabras habladas de la misma manera que los seres humanos.
La PNL se puede aplicar en varios contextos. Puede referirse al reconocimiento de voz a texto. También se puede utilizar para el reconocimiento de escritura a mano. Pero en nuestro segmento, y en el contexto de esta discusión, estamos usando NLP para inteligencia de contenido, o extracción de información, de la palabra escrita.
Hace unos cinco años, la tecnología de aprendizaje automático dio un gran paso adelante. Se hizo posible entrenar algoritmos de manera rentable con cantidades masivas de datos. Esa innovación permitió la PNL para la inteligencia de contenido: el aprendizaje automático comenzaba a aplicarse a cantidades masivas de datos narrativos para construir modelos de PNL que pudieran identificar conceptos clave descritos en el texto.
En los últimos dos años, debido a que el costo de desarrollar un modelo se ha reducido, se ha vuelto económicamente factible desarrollar modelos específicos de la industria.
Por ejemplo, en la industria legal, NLP se ha utilizado para e-discovery. Los abogados utilizan NLP para extraer la documentación entregada durante la fase de descubrimiento para facilitar el consumo de contenido relevante. Y ha habido avances más recientemente en el aprovechamiento de la PNL en la atención médica: salud conductual y servicios humanos y de salud, más específicamente.
Los esfuerzos iniciales de inteligencia de contenido en salud y servicios humanos eran típicamente proyectos personalizados que estaban destinados a analizar datos en un punto específico en el tiempo en lugar de proporcionar una herramienta a la que se pudiera acceder diariamente. La experiencia y el esfuerzo necesarios para “enseñar” el contexto profundo de la atención médica fue demasiado oneroso para muchos y resultó en el fracaso del proyecto, o en que nunca se comenzó.
En el último año más o menos, las soluciones específicas de la industria han estado disponibles comercialmente porque se completaron los pilotos para probarlas. Estos pilotos se beneficiaron de la colaboración entre científicos de datos y clientes/usuarios que refinaron el modelo de lenguaje para las necesidades de esa industria.
Entonces, los problemas se han solucionado. La tecnología es madura y estable, las empresas tecnológicas innovadoras han creado soluciones SaaS específicas de la misión fáciles de obtener con un contexto profundo y los clientes ahora están cosechando las recompensas.
P. También dice que se ha demostrado el valor de la PNL. Dé un par de ejemplos de PNL que demuestren su valor.
UNA. Se ha entregado el ROI logrado por las organizaciones que aprovechan NLP.
A modo de ejemplo, los trabajadores sociales del condado de Allegheny seguían descubriendo que había mucha información valiosa enterrada en notas de casos y datos no estructurados. Con una sobrecarga de información, los trabajadores sociales tardaron mucho en encontrar datos relevantes.
Querían resolver este desafío: el desafío de acceder rápidamente a datos importantes en el momento adecuado con el objetivo final de ayudar a mejorar los servicios para las familias y los niños a los que ayudan. Sabían que la capacidad de acceder de forma rápida y sencilla a mejores perspectivas pintaría una imagen de un caso completo, sin tener que pasar horas hojeando notas.
Una asistente social en particular ha afirmado que la plataforma de PNL por sí sola le ha ahorrado cinco horas a la semana en tareas administrativas.
Una plataforma de PNL también ha ayudado al condado de Allegheny a comprender mejor los determinantes sociales de la salud. Por lo general, se necesitaría una revisión cuidadosa de todo el historial del caso para comprender cosas como el historial de uso de drogas o la inseguridad de la vivienda, dos factores SDOH que afectan significativamente el bienestar general. Pero con todo el color, los detalles y las descripciones más profundas que viven dentro de los datos no estructurados, una herramienta de NLP permite a los trabajadores sociales ver señales de advertencia tempranas en tiempo real.
No hace falta decir que es increíblemente útil para las familias que los trabajadores sociales puedan extraer información como esta de datos no estructurados en una etapa más temprana del proceso.
P. Y finalmente, dice que con el año 2023, es el momento adecuado para la PNL en el cuidado de la salud. Por favor elabora.
UNA. No es ningún secreto que la escasez de personal y el agotamiento han demostrado ser un verdadero desafío para las organizaciones de atención médica en todos los ámbitos en los últimos años. Según un estudio publicado en Mayo Clinic Proceedings, la tasa de agotamiento de los médicos entre los médicos de EE. UU. se disparó drásticamente durante los dos primeros años de la pandemia de COVID-19 después de seis años de declive.
Además, el estudio reveló que el agotamiento de los médicos fue del 62,8 % en 2021, en comparación con el 38,2 % en 2020. La tendencia es clara.
Investigaciones adicionales han demostrado que el 64% del agotamiento se atribuye a la carga administrativa, lo que sin duda contribuye a los puntos críticos de los trabajadores sociales. Con los asistentes sociales tan sobrecargados, la deserción sigue siendo alta.
Algunas organizaciones reportan un 30% de deserción por trimestre. Hay una pérdida de conocimiento del caso que ocurre con la deserción y esa pérdida impacta directamente en los resultados. Cuando se asignan nuevos cuidadores, simplemente no tienen tiempo para leer archivos completos, lo que puede provocar interrupciones en la continuidad de la atención, especialmente en casos complejos.
Por lo tanto, los trabajadores sociales y los médicos están al límite, pasan demasiado tiempo lejos de las personas bajo su cuidado y ya han tenido suficiente. Junto con el impacto en los resultados de la pérdida de conocimiento de casos, es evidente que el statu quo simplemente no puede continuar si queremos mantener un sistema de salud confiable y funcional.
Al mismo tiempo, existen avances significativos en herramientas rentables de aprendizaje automático, en particular, PNL, que pueden aliviar parte de ese estrés. Es el momento adecuado para que los proveedores de atención médica se apoyen en las herramientas disponibles. Por lo tanto, creo que 2023 será el año del despegue de la PNL.
Siga la cobertura HIT de Bill en LinkedIn: Bill Siwicki
Envíe un correo electrónico al escritor: [email protected]
Healthcare IT News es una publicación de HIMSS Media.