项目将利用人工智能融合护士和治疗师的健康数据输入 - AI与医疗健康

伊利诺伊大学芝加哥分校（UIC）的教职员工玛丽·凯塔尼（Mary Khetani）、坦维·巴特（Tanvi Bhatt）、安德鲁·博伊德（Andrew Boyd）和萨曼莎·邦德（Samantha Bond）是该项目的研究人员。（照片：埃里卡·查韦斯）

医疗保健不仅仅是看医生，而是团队的努力。但大多数基于患者数据构建的人工智能驱动技术仅使用医生提供的信息，忽略了护士和康复治疗师的关键输入。

由伊利诺伊大学芝加哥分校共同领导的一个创新、跨学科项目将利用人工智能统一来自更广泛的医疗专业的数据，并创建新颖、全面的数据集，这有可能改变医疗保健状况，推动能对患者结果和护理产生积极影响的发现。

与爱荷华大学、密苏里大学和洛约拉大学以及技术合作伙伴微软和Tackle AI的合作从联邦卫生高级研究项目局（ARPA-H）获得了高达1000万美元的资金。这是UIC获得的第一笔ARPA-H资金，UIC将作为签约机构。

研究人员将创造新的方法，将来自护士、物理和职业治疗师、言语和语言病理学家以及医生的结构化数据和自由文本笔记相结合，以便在电子健康记录中更有效地使用。这些笔记通常提供有关患者进展的额外有价值信息，特别是当他们的护理在医院或诊所之外进行时。

该项目将关注两个复杂的患者群体：跌倒受伤患者和从新生儿重症监护病房（NICU）转回家的婴儿。这两个群体都依赖于各种医疗专业人员提供的护理。

安德鲁·博伊德，生物医学和健康信息科学教授（照片：罗伯塔·杜普伊斯-德夫林）

“医疗保健是一个跨学科的过程，但现有的数据工具和基础设施忽略了团队的大部分成员，”该项目的主要研究人员之一、UIC的生物医学和健康信息科学教授安德鲁·博伊德说。“其他专业人员更频繁地看望患者，并提供非常高保真的数据，更接近患者的实际情况，而不仅仅是您从医生记录的数据中获得的短暂快照。”

研究人员将在新数据集上使用先进的计算方法来创建全团队护理总结和强大的新人工智能应用。他们还将使用这些数据进行新的科学发现，以改善患者的护理和治疗。

“跌倒患者和NICU患者在医院和通过门诊诊所都需要全团队护理。但是零碎、孤立的文件记录阻碍了沟通，”密苏里大学医学院的主要研究人员和生物医学信息学家凯瑟琳·K·克雷文（Catherine K. Craven）说。“通过统一这些数据，我们可以改善医疗保健提供者、患者及其护理伙伴之间的沟通，并产生新的科学见解，改善患者的结果。”

爱荷华大学的主要研究人员和护理教授凯伦·邓恩·洛佩兹（Karen Dunn Lopez）说，这些进展除了应用于跌倒和NICU过渡之外，还可以应用于其他护理领域。

“当您解决复杂的难题时，您获得的见解和开发的解决方案可能适用于不太复杂的问题，”洛佩兹说。“我们团队的工作将帮助我们了解如何指导以患者为中心的关于多学科团队提供的护理协同作用的决策。”

复杂病例的更深入数据

人工智能在医疗保健方面的许多潜力在于其从电子健康记录数据中自动提取见解的潜力。一种算法可能根据症状或实验室结果建议诊断，或为患者匹配对其病例最有效的特定治疗。

更多的数据可以带来更好的人工智能指导。研究表明，在患者数据中包括护士的观察结果，在诸如医院死亡风险等措施的预测上，比仅医生的笔记和实验室结果更准确。

多学科数据的价值在管理成人跌倒损伤方面尤为明显，这是一个令人惊讶的复杂医疗保健领域。跌倒是难以预防的，并可能导致老年人的多种负面健康结果。

跌倒风险的最高预测因素是以前跌倒的次数，但患者可能不会告诉他们的医生所有跌倒的情况。急诊室就诊或门诊治疗期间关于跌倒的报告可能在患者健康记录的大量信息中被忽略。

职业治疗临床教授阿什利·斯托费尔（Ashley Stoffel）在家庭治疗期间与一名儿科患者在一起。（照片：UIC创意和数字服务）

物理和职业治疗师还收集与跌倒风险相关的详细信息，例如力量和平衡评估。由于这些报告通常是主观的和基于文本的，因此很难与医生的笔记或诸如测试结果等数字数据相结合。

“数据是黄金，但在它能够被使用之前，它是没有意义的，”UIC的物理治疗和康复科学教授、该项目的共同研究员坦维·巴特（Tanvi Bhatt）说。“与实验室测量相比，我们拥有的基于文本的笔记更具叙述性和描述性。但是如果该文本丢失，就没有连续的护理。”

将这些数据与其他来源统一可以帮助临床医生确定患者跌倒的原因，并将其与最合适的干预措施联系起来，以防止未来受伤。巴特说，这也可以帮助研究人员设计和测试新的跌倒风险预测模型，并以清晰的语言与患者分享这些见解。

将这些数据纳入还将有助于让患者参与医疗保健决策，UIC的职业治疗和康复科学教授、该项目的共同研究员玛丽·凯塔尼（Mary Khetani）说。物理和职业治疗师所做的叙述性笔记通常直接来自与患者及其家人的访谈。组织数据与患者及其护理人员分享可以帮助他们在医院外导航多种医疗保健服务时感到更知情和参与。

“我们知道最佳实践是以患者和家庭的专业知识为中心进行决策，以推动最佳结果并获得他们的认同和坚持，”凯塔尼说。“但如果我们用信息使他们负担过重，我们就无法做到这一点。”

人工智能作为医疗保健的解释者

该项目的计算机科学家将使用和开发先进的文本挖掘和语言处理工具，以克服阻止来自其他学科的数据集成的语言和技术障碍。研究将测试大型语言模型是否可以经过训练来帮助理解和连接跨专业的文本数据。

UIC的计算机科学副教授娜塔莉·帕德（Natalie Parde）（照片：珍妮·方丹/UIC）

“医疗数据在许多方面都是独特的，其中之一是它往往包括行话和其他在更流行的在线来源中不常见的术语，”UIC的计算机科学副教授、该项目的共同研究员娜塔莉·帕德（Natalie Parde）说。“当应用于医疗保健数据时，语言处理工具往往效果不佳。本项目的一个核心技术挑战是使这些工具和技术达到我们可以在医疗保健环境中可靠使用的程度。”

一旦整合，来自护士、康复治疗师和其他医疗专业人员的数据可以帮助训练更详细的模型来预测健康风险或治疗效果。人工智能工具还可以生成大量文本和数据的简洁摘要。

例如，初级保健提供者可能会根据患者每周的物理和言语治疗访问获得一个摘要。或者早产儿的父母可以收到NICU中提供的护理和康复治疗的摘要，以帮助他们过渡到诊所或像家这样的自然环境中的后续护理。

UIC的沃伦·S·麦卡洛克学院计算机科学教授芭芭拉·迪·尤金尼奥（Barbara Di Eugenio）（照片：罗伯塔·杜普伊斯·德夫林）

“这不仅仅是翻译成通俗语言的问题，实际上是理解向患者或其提供者呈现什么是重要的问题，”UIC的沃伦·S·麦卡洛克学院计算机科学教授、该项目的共同研究员芭芭拉·迪·尤金尼奥（Barbara Di Eugenio）说。

通过使用去识别化数据的黑客马拉松和其他活动，该团队还将邀请数据科学家和软件开发人员创建其他临床和研究应用程序。该项目开发的所有工具都将是开源的，并根据健康领域专家的输入和反馈构建。

这种合作突显了UIC的优势：代表广泛医疗保健学科的七所健康科学学院以及在机器学习、自然语言处理和数据科学方面具有深厚研究专业知识的计算机科学系。

该项目的其他UIC团队成员包括应用健康科学学院的萨曼莎·邦德（Samantha Bond）、工程学院的米里·科奇（Miiri Kotche）和医学院的大卫·切斯特克（David Chestek）。

“UIC是一个很棒的地方，我们拥有这种技能的多样性，每个人都相互了解并一起工作，”博伊德说。“所以当这些绝佳的机会出现时，我们可以把每个人都聚集在一起，包括我们的合作机构，并试图改变我们看待医疗保健数据的方式。”