בכנס החדשנות השנתי של פוג’יטסו בלונדון, מעבדות החברה באירופה הכריזו על טכנולוגית בינה מלאכותית המשפרת את מערכת ניהול תיקים רפואיים אלקטרונית, אוטומציה של עיבוד טקסטים מובנים (ללא טקסט) רפואי והשגת זמן חיסכון של יותר מ 90% עם דיוק משופר באופן משמעותי.
הפתרון החדש של Fujitsu מאפשר קידוד אוטומטי ומחלץ את ההערות בדרך כלל תוך פחות מדקה, לעומת 15 דקות הנדרשות לביאור הערה קלינית ידנית. שלא כמו בטכנולוגיות הדור הקודם, טכנולוגיית הכרייה AJ של Fujitsu משלבת ידע סמנטי ועיבוד שפה טבעית (NLP) עם Deep Learning כדי לנתח הערות רפואיות ולחלץ נתונים חשובים.
מעבדות Fujitsu של אירופה עובדות בשיתוף פעולה הדוק עם שותפי חדשנות בתחום הבריאות, כולל בית החולים הקליני סאן קרלוס המוביל במדריד, שעובד על מגוון פרויקטים קליניים מוצלחים בארבע השנים האחרונות. ד”ר ג’וליו מייול, קצין הרפואה הראשי, מסביר את החשיבות של גישה זו: “אנו מחפשים כל העת דרכים חדשות לשיפור קבלת ההחלטות הקליניות, והעבודה שלנו עם מעבדות פוג’יטסו באירופה מסייעת לנו להבין התקדמות חשובה כדי לשפר את היעילות. רוב מערכות תיקים רפואיים אלקטרונים הזמינות כיום אינן עומדות בדרישות היחסים בין הרופא לחולה. למעשה, השימוש ב- EHR נקשר ישירות לביטול המרפאה, כפי שהוכח במספר מחקרים. עם טכנולוגיות חדשות כגון הטכנולוגיה האחרונה בטכנולוגיית הבינה המלאכותית של Fujitsu, נוכל לטפל באתגרים אלה ישירות ולהשיג שיפורים מוחשיים בתהליך קבלת ההחלטות הקליני”.
מידע מובנה ממלא תפקיד חיוני בקבלת ההחלטות הרפואיות ובשיפור הבריאות. עם זאת, קלינאים מתמודדים עם זמן המטופל באופן משמעותי פחות. הדרישה לקבלת נתונים מיידית על מערכות EHR מוסיפה נטל באופן משמעותי. על ידי הפעלת שיטות גמישות יותר לגישה לנתונים, כגון נרטיב טקסט חופשי המשויך לדו”ח המטופל, ניתן לצמצם את התקורה הזו, תוך מתן אפשרות לאנשי הרופאה לרשום מידע שימושי וחשוב יותר. באמצעות טכניקות ה- NLP המוכחות שלה, מעבדות Fujitsu מתמודדות באופן ישיר עם הצורך הזה, באופן אוטומטי לחילוץ המידע המובנה הנדרש על ידי מערכת EHR מהטקסט הנרטיבי החופשי של הרופאים. באמצעות למידה מעמיקה, ניתן לשנות את הפתרון בהתאם לצרכיו האישיים של המטפל, ובכך לאפשר גמישות נוספת בהשוואה למגבלות הקשורות בכללים הלשוניים המורכבים המשמשים את מערכות הקודיפיקציה הקיימות על מנת לזהות את המונחים הנכונים מהטקסט החופשי. התוצאה היא רמה גבוהה של דיוק, המותאמת על ידי היכולת לחלץ חתך רחב יותר של מונחים רלוונטיים מאשר רק קודים של הסיווג הסטטיסטי הבינלאומי של מחלות ובעיות בריאותיות (ICD), הנוגעים לטיפול או רקע חברתי.
פתרון הבינה המלאכותית- כריית טקסטים יחד עם טכניקות Deep Learning (למידה עמוקה) בצעדים קונקרטיים של עבודה קידוד רפואי, הימנעות התלות במערכי נתונים ענקיים מראש. הגישה של פוג’יטסו מורכבת משני מרכיבים מרכזיים:
- יצירת בסיס הידע: גרף ידע נועד לתאר את הסיווגים הרפואיים ולהעשיר בצורה סמנטית עם משאבים חיצוניים. העשרה סמלית זו מספקת הקשר נוסף לסיווגים הרפואיים, ומתרגמת לתוצאות משופרות בשלבים הבאים של התהליך. אונטולוגיות והטמעת מילים משמשות להעשרה סמנטית.
- הכרה והקצאה: הכרוכים בתהליך הכרה של מונחים רפואיים באמצעות הלמידה העמוקה, ואחריו הגדרת נוסחאות דירוג משוקללות לחישוב הקידוד הפוטנציאלי של הערות קליניות.
טכנולוגיית הבינה המלאכותית של פוג’יטסו הוערכה על ידי שני מערכי נתונים באנגלית, שכללו 200 תווים קליניים אנונימיים פרטיים, ו -5,000 סיכומי פריקה שהופקו ממשאב MIMIC-III. יתרון נוסף של הטכנולוגיה של Fujitsu הוא שהיא ניתנת להתאמה בקלות לכל סיווג רפואי או לשפות אחרות, ואינו דורש מערכי נתונים ענקיים מראש.
על ידי שיפור הדיוק והדיוק של תהליך קידוד הרפואה, הטכנולוגיה של פוג’יטסו תורמת למימוש של תוצאות סטנדרטיות, ומספקת חיסכון בזמן עבור אנשי מקצוע. המידע המעובד והמאושר משמש לתכנון מדיניות על ידי גופים ממשלתיים, מחקר רפואי לשיפור הטיפול הרפואי, קביעת מחירים על ידי חברות הביטוח, וכן אבחון וטיפול על ידי רופאים. הפתרון החדש של פוג’יטסו יחול על תוכנית מחקר שיתופית מתמשכת עם מרכז סן קרלוס חדשנות במהלך 2019.
