如今，医生们知道非医疗因素可以深刻影响健康。不稳定的住房、贫困、社区暴力等都会增加一个人患慢性疾病的风险，并削弱他们对抗重大疾病的能力。但这些社会因素在传统的患者健康记录中很难明确记录。在一项新项目中，伊利诺伊大学癌症中心的研究人员和UIC计算专家将使用人工智能从记录中提取这些细节，并用于更有效的患者护理。
该项目与技术公司Pangaea合作，将创建和部署语言模型，这些模型会从多个来源的文本中筛选并提取关于健康的社会驱动因素的重要数据。例如，算法可能会捕捉到社会工作者对患者家庭暴力的观察，或根据患者的地址和收入推断出前往诊所或杂货店的交通障碍。这些信息随后会被标记出来，供医生与患者讨论，从而更好地个性化护理。“如果你不能完全了解你的患者，你就总是会基于有限的信息做出预测。”该项目的首席研究员、癌症中心副主任VK Gadi博士说，“如果你有一种方法可以从整个医疗记录中提取信息，描绘出更清晰的患者画像，你就能更准确地对患者进行预后。”
分析还可能帮助研究人员调查长期暴露于贫困或生活在暴力环境中等负面生活事件的累积压力是否会导致持续或更严重的疾病。它甚至可以通过将数千名患者的信息与其健康和治疗结果相关联，揭示之前未被发现的健康社会驱动因素。“我们无法用肉眼看到或辨别的一些因素怎么办？”Gadi说，“如果我们能够持续评估真正的健康社会驱动因素会怎样？”
为了实现这些人工智能工具的潜力同时保护患者隐私，肿瘤信息学主任Sandeep Kataria与UIC的教育和研究先进网络基础设施团队合作，构建了新的计算机架构。他们构建的系统允许人们训练和应用AI模型，但阻止除获准的UIC人员外的任何人访问患者记录。“这个项目有很多首次尝试，它为我们未来涉及AI和敏感数据的项目提供了蓝图。”Kataria说。一个试点项目使用AI在200份患者记录的笔记和摘要中寻找18种不同的健康社会驱动因素。研究人员希望很快能扩展该模型，分析6,000份患者记录，这些记录由近百万个文件组成。随着技术的进步，它可能会为新的研究设计提供信息，这些设计既考虑医学因素也考虑健康的社会驱动因素。例如，一项新的乳腺癌药物试验可能还会解决住房和食品安全问题，如果这些因素与更侵袭性的肿瘤或治疗反应不良有强烈关联的话。“我们能否从自下而上的角度提出问题，而不是自上而下的角度？”Gadi说，“这是大目标，这种能力可以持续监测和评估社区的健康状况，然后从这些基本原则出发，设计解决这些问题的干预措施。”
通过学习UI Health服务的多样化患者群体，该项目还将有助于确保这些人工智能工具使所有群体受益，减少而非加剧偏见和差异。“这一资源可以帮助解决医疗保健中的社会不平等。”UIC研究技术和创新副首席信息官Himanshu Sharma说，“我认为这在研究方面迈出了重要的一步，希望最终能转化为临床卓越。”
(全文结束)
