Сервис извлечения данных из неструктурированных медицинских записей Webiomed.NLP
Автоматическое извлечение машинно-понимаемых признаков с помощью технологий обработки естественного языка (Natural Language Processing, NLP)
Ценность
3 тыс. поддерживаемых признаков
Объективные данные, симптомы, результаты обследования и многое другое
Точность до 98%
Высокая точность извлечения данных
Сложные признаки
Система умеет выявлять признаки, состоящие из нескольких терминов
Автономное использование
Можно использовать как встраиваемое решение
Функциональные возможности
- Автоматическое извлечение информации из неструктурированных медицинских записей
- Автоматический поиск и удаление ошибочных записей и выбросов
- Возможность автономного использования продукта, в т.ч. встраиванием в сторонние решения
- Извлечение объективных данных, симптомов из жалоб, признаков из врачебных осмотров и протоколов инструментальных исследований, результатов лабораторной диагностики, данных о назначенных лекарствах и т.д.
Как это работает
- Врачи ведут записи в ЭМК в собственной системе. Никакого специального внесения информации или заполнения экранных форм не нужно
- Медицинская информационная система обезличивает записи из ЭМК, формирует из них структурированные электронные медицинские документы (СЭМДы) в формате CDA 2.0 и отправляет пакет данных в Webiomed
- Платформа берет каждый медицинский документ и с помощью сервиса Webiomed.NLP извлекает из него максимально возможное число признаков
- Далее каждый признак анализируется на предмет ошибок. Сомнительные записи отмечаются как "мусорные" и не участвуют в обработке моделями машинного обучения
Для чего это нужно
- Сегодня в электронных медицинских картах (ЭМК) до 80% врачебных записей хранится в текстовом виде. Мы помогаем извлечь из этих записей пригодные для анализа данные
- Применение NLP позволяет избавить врачей от повторного "заколачивания" одной и той же информации - Webiomed получит нужные данные без участия человека
- Врач может уделить больше времени на общение с пациентом и решение действительно клинических задач
Новости о продукте
Выпущена новая версия сервиса извлечения признаков из медицинских текстов Webiomed.NLP 2.0
11 Июл 2024 | 
458
Наша статья о разработке модели прогнозирования госпитализаций опубликована в одном из ведущих международных научных журналах в области медицинской информатики
03 Июн 2024 | 361