11 июля 2024

Выпущена новая версия сервиса извлечения признаков из медицинских текстов Webiomed.NLP 2.0

137

Компания К-Скай (разработчик платформы Webiomed) выпустила новую версию сервиса для извлечения данных из неструктурированных медицинских записей Webiomed.NLP 2.0.

Не секрет, что до 80% информации, накапливаемой в электронных медицинских картах (ЭМК), содержится в виде текстовых неструктурированных медицинских записей. Как правило, все врачебные осмотры, многие протоколы инструментального обследования, дневниковые записи и другие документы ЭМК не содержат структурированные клинические данные.

В этой связи повторное использование ЭМК, например, для внедрения принципов управления на основе данных, работы систем поддержки принятия врачебных решений (СППВР), исследований реальной клинической практики (RWD), фактически невозможно. Для решения этой проблемы возможно применение специальных технологий искусственного интеллекта, называемых «обработкой естественного языка» (natural language processing, NLP).

В платформе Webiomed присутствует специальный сервис, отвечающий за извлечение данных из медицинских текстов – Webiomed.NLP, который поддерживает работу с более чем 3 тыс. видов признаков, включая демографические показатели, объективные данные, симптомы, результаты диагностических исследований, данные о лекарственной терапии и многое другое. Начиная с 2020 г., когда платформа Webiomed была запущена в промышленную эксплуатацию, сервис Webiomed.NLP извлек свыше 9 млрд. различных признаков и показателей, характеризующих здоровье пациентов.

За время работы сервиса нами был накоплен большой практический опыт, включая различные предложения по улучшению продукта. Все это легло в основу выпуска новой версии сервиса.

Главным отличием Webiomed.NLP 2.0 является поддержка извлечения признаков не только из текстовых строк, но и комплексная обработка структурированных электронных медицинских документов (СЭМДов), с помощью который в настоящее время осуществляется информационный обмен между государственными информационными системами в сфере здравоохранения субъектов РФ и федеральными сервисами Единой государственной информационной системы здравоохранения (ЕГИСЗ).

Анна Андрейченко«Основная сложность обработки неструктурированных медицинских записей состоит в высоком разнообразии структуры текстов, наличие специфических терминов, сокращений, опечаток и даже многообразие стилей и школ. Работая над улучшением точности NLP-моделей, мы накопили существенный опыт технических и архитектурных улучшений, который и лег в основу новой версии сервиса.  В планах команды продолжать расширять список извлекаемых признаков и проводить исследования для улучшения надежности и достоверности работы платформы» - отметила руководитель направления искусственного интеллекта компании К-Скай Анна Андрейченко.

Кроме этого, разработчикам удалось в 1,5 раза увеличить производительность работы, сокращая время на обработку ЭМК и формирование цифрового профиля.  Также новая архитектура позволяет более гибкую настройку правил извлечения и возможность переизвлечь одиночный признак из выборки. Это позволяет более эффективно поддерживать настройку и кастомизацию платформы Webiomed в реализуемых проектах, в том числе устранение замечаний и ошибок

Пожалуйста, оцените эту статью
( 3,92 из 5,
оценили: 12)
Ваша оценка: Не ставилась

Еще по этой теме

Обратите внимание на похожие статьи

17 Май 2024

Наша научная статья опубликована в международном научном журнале

Результаты нашей разработки прогнозных моделей для пациентов с хроническими заболеваниями с целью вовремя подсказать врачу о риске предотвратимой госпитализации в …

17 Ноя 2023

Искусственный интеллект помогает прогнозировать риск преэклампсии

Эксперты из компании «К-Скай» (разработчик платформы Webiomed)  разработали модели прогнозирования преэклампсии с использованием данных реальной клинической практики и машинного обучения. …

20 Сен 2023

Webiomed запатентовала способ ранней диагностики хронических заболеваний

Компания К-Скай (разработчик платформы прогнозной аналитики Webiomed) запатентовала новый способ ранней диагностики хронических заболеваний, основанный на кластерном анализе больших данных …

Подпишитесь на нашу рассылку

Хотите получать интересную и полезную информацию о цифровом здравоохранении и искусственном интеллекте для медицины?
Включайтесь в нашу рассылку!

Присоединяйтесь

Наши группы в соц сетях