NLP技术在医疗保健领域的8大使用案例

slime2022-05-06 17:18

自然语言处理(NLP)技术可以处理完全非结构化数据,公司采用NLP技术的一个主要目的是嵌入智能系统,以优化组织流程,提升时间利用效率,并减少运营成本。

NLP技术在医疗保健领域的8大使用案例

不管怎样,将NLP纳入医疗保健应用程序开发还有其他好处。

NLP技术在医疗保健领域的8大使用案例

1.语音识别

近20年来,NLP在医疗保健领域的起源都与语音识别分不开,这项技术使得医生可以用快速转录处方录入电子健康记录(EHR)。

前端语音识别让医生可以不用坐在护理点电脑前口述处方,同时后端识别则在把转录文本发给人验证之前将问题先行纠正。

因为不再需要医疗转录员及向其支付的高昂费用,语音识别是最具成本效益的解决方案之一。

2.临床文件

由于NLP语音到文本的听写和结构化数据输入方式,NLP对语音识别的影响与临床文档密切相关,这种方式将医生从繁重且受限的电子健康记录结构中解放出来,从而更好地护理患者。

Nuance和M*Modal两家公司都有与语音识别协同工作的技术,该技术在护理点收集结构化数据和标准化术语以供未来使用。

3.计算机辅助编码(CAC)

CAC收集程序和治疗方案中的数据,以便捕获每一个可能的代码并优化声明。可能CAC提高了编码速度,但在提高编码的准确性上,它没有采取任何措施。

比如,克利夫兰诊所一项研究表明,虽然CAC缩短了编码时间,但若无有资质的编码员协助,它在单独使用时召回率和准确率较差。

4.临床试验匹配

临床试验匹配可能是“正在开发”类别中讨论最多的案例。例如,Linguamatics Health公司和Clinithink两家公司已经创建了NLP引擎来解决试验匹配问题,而IBM Watson Health和Inspirata两家公司则投入了大量资源来利用NLP辅助肿瘤研究。

在不久的将来,NLP似乎有能力使临床试验匹配成为一个无缝和自动化的过程。

5.数据挖掘研究

医疗保健系统中的数据挖掘允许企业减少决策的主观性,同时提供相关的医学知识。数据挖掘一旦开始,它可以成为知识发现的一种循环技术,帮助所有医疗保健公司制定合理的财务战略,以提供更好的患者护理。

6.人工智能聊天机器人和虚拟抄写器

虽然目前还没有这样的解决方案,但语音识别应用程序很有可能帮助人类修改临床文书工作。亚马逊的Alexa或谷歌助手将是实现这一目标的理想选择。

微软和谷歌在这方面已经联手,以实现这一特定目标。目前,使用NLP构建聊天机器人可以获取患者症状并将其引导至最合适的治疗点。

7.根本原因分析

NLP的另一个有趣的方面是预测性分析的能力,以提供常见健康问题解决方案。

数字医疗记录的大量缓存可以帮助识别地理区域、种族群体或其他不同人口群体的子集,这些子集在应用NLP时面临不同类型的健康差异。NLP系统对非结构化反应进行评估,以确定患者致病根源。

8.回顾管理和情绪分析

NLP还可以帮助医疗机构管理互联网评论。每天,它都可以从第三方列表中收集和分析数百条关于医疗保健的评论,此外还可以快速评估人类的情绪以及情绪表达的语境。

一些系统甚至可以在评论中倾听客户声音,这可以帮助医生了解消费者,比如怎样看待他们的护理,并用大家都懂的语言进行更有效的沟通。

以上就是小编为大家整理的“NLP技术在医疗保健领域的8大使用案例”一文,更多相关信息尽在开课吧广场人工智能资讯频道。

免责声明:本站所提供的内容均来源于网友提供或网络搜集,由本站编辑整理,仅供个人研究、交流学习使用。如涉及版权问题,请联系本站管理员予以更改或删除。
有用
分享
全部评论快来秀出你的观点
登录 后可发表观点…
发表
暂无评论,快来抢沙发!
AI项目实战精讲