در دنیای امروز، اطلاعات بالینی به شکل متن آزاد در پرونده‌های پزشکی ثبت می‌شوند. این اطلاعات، گنجینه‌ای ارزشمند برای اهداف مختلفی از جمله تامین مالی بیمارستان‌ها، پردازش ادعاهای بیمه و انجام تحقیقات پزشکی به شمار می‌روند. برای استفاده بهینه از این داده‌ها، لازم است که آن‌ها به کدهای استاندارد بین‌المللی بیماری‌ها (ICD) تبدیل شوند. کدگذاری ICD به دسته‌بندی بیماری‌ها و مشکلات سلامتی بر اساس یک سیستم استاندارد کمک می‌کند و امکان مقایسه و تحلیل داده‌های بهداشتی را در سطح ملی و بین‌المللی فراهم می‌سازد.

با این حال، فرآیند کدگذاری دستی ICD بسیار زمان‌بر، پرهزینه و مستعد خطا است. به همین دلیل، محققان به دنبال راه‌حل‌های خودکار برای تسهیل و بهبود این فرآیند هستند. سیستم‌های خودکار کدگذاری ICD با استفاده از پردازش زبان طبیعی (NLP)، یادگیری ماشین (ML) و یادگیری عمیق (DL) تلاش می‌کنند تا کدهای ICD را به طور خودکار به خلاصه‌های پرونده‌های ترخیص اختصاص دهند. این سیستم‌ها می‌توانند به کدگذاران انسانی کمک کنند تا وظایف خود را با دقت و سرعت بیشتری انجام دهند و در نتیجه، هزینه‌ها را کاهش داده و کیفیت داده‌های بهداشتی را افزایش دهند.

مقاله حاضر توسط Rajvir Kaur، Jeewani Anupama Ginige و Oliver Obst نوشته شده است. این محققان در زمینه علوم کامپیوتر، پردازش زبان طبیعی و انفورماتیک پزشکی فعالیت می‌کنند و تخصص آن‌ها در توسعه سیستم‌های خودکار برای تحلیل و کدگذاری داده‌های بالینی است. زمینه تحقیقاتی این مقاله، استفاده از روش‌های نوین هوش مصنوعی برای حل چالش‌های مربوط به کدگذاری ICD در حوزه بهداشت و درمان است.

این مقاله یک مرور نظام‌مند از تحقیقات انجام شده در زمینه سیستم‌های خودکار کدگذاری و طبقه‌بندی ICD مبتنی بر خلاصه‌های پرونده‌های ترخیص ارائه می‌دهد. هدف این مرور، بررسی و ارزیابی روش‌ها و تکنیک‌های مختلفی است که برای خودکارسازی فرآیند کدگذاری ICD استفاده می‌شوند. این مقاله به بررسی داده‌های مورد استفاده، تکنیک‌های پردازش زبان طبیعی، روش‌های استخراج ویژگی و مدل‌های یادگیری ماشین و یادگیری عمیق به کار رفته در این سیستم‌ها می‌پردازد. همچنین، معیارهای ارزیابی عملکرد سیستم‌های کدگذاری خودکار نیز مورد بررسی قرار می‌گیرند. در نهایت، مقاله به ارائه پیشنهاداتی برای تحقیقات آینده در این زمینه می‌پردازد.

به طور خلاصه، این مقاله نشان می‌دهد که سیستم‌های خودکار کدگذاری ICD پتانسیل بالایی برای بهبود دقت، کارایی و مقرون‌به‌صرفه بودن فرآیند کدگذاری دارند. با این حال، هنوز چالش‌هایی در این زمینه وجود دارد که نیازمند تحقیقات بیشتر است، از جمله بهبود دقت پیش‌بینی کدها و دسترسی به مجموعه داده‌های بالینی بزرگ و ناشناس با استفاده از آخرین نسخه سیستم طبقه‌بندی ICD.

نویسندگان برای انجام این مرور نظام‌مند، از دستورالعمل‌های PRISMA (موارد گزارش‌دهی ترجیحی برای مرورهای نظام‌مند و فراتحلیل‌ها) پیروی کرده‌اند. آن‌ها یک جستجوی جامع در چهار پایگاه داده علمی معتبر شامل PubMed، ScienceDirect، ACM Digital Library و ACL Anthology انجام داده‌اند. این جستجو، مقالات منتشر شده از ژانویه 2010 تا دسامبر 2020 را شامل می‌شود.

از میان 7556 مقاله بررسی شده، 38 مقاله مطابق با معیارهای ورود انتخاب شدند. معیارهای ورود شامل مقالاتی بود که به بررسی سیستم‌های خودکار کدگذاری ICD مبتنی بر خلاصه‌های پرونده‌های ترخیص می‌پرداختند و از روش‌های پردازش زبان طبیعی، یادگیری ماشین یا یادگیری عمیق استفاده می‌کردند. نویسندگان، اطلاعات مربوط به مجموعه داده‌ها، تکنیک‌های پردازش زبان طبیعی، روش‌های استخراج ویژگی، مدل‌های یادگیری و معیارهای ارزیابی عملکرد را از مقالات انتخاب شده استخراج و تحلیل کردند.

مرور نظام‌مند انجام شده، یافته‌های کلیدی متعددی را در زمینه سیستم‌های خودکار کدگذاری ICD آشکار ساخت:

• مجموعه داده‌ها: بسیاری از تحقیقات از مجموعه داده‌های عمومی یا مجموعه داده‌های ایجاد شده توسط خود محققان استفاده می‌کنند. با این حال، کمبود مجموعه داده‌های بالینی بزرگ و ناشناس با استفاده از آخرین نسخه سیستم طبقه‌بندی ICD همچنان یک چالش مهم است. برای مثال، مجموعه داده MIMIC-III به عنوان یک منبع رایج، حاوی اطلاعات زیادی است اما ممکن است با تغییرات و به‌روزرسانی‌های ICD همگام نباشد.
• تکنیک‌های پردازش زبان طبیعی: تکنیک‌های مختلفی از پردازش زبان طبیعی برای استخراج اطلاعات از خلاصه‌های پرونده‌های ترخیص استفاده می‌شوند، از جمله توکن‌سازی، ریشه‌یابی، برچسب‌گذاری نقش کلمات و شناسایی موجودیت‌های نام‌گذاری شده. برای مثال، استفاده از ابزارهای NER (شناسایی موجودیت نام‌گذاری شده) برای شناسایی بیماری‌ها، داروها و علائم در متن خلاصه پرونده بسیار رایج است.
• روش‌های استخراج ویژگی: روش‌های مختلفی برای تبدیل متن به ویژگی‌های قابل استفاده برای مدل‌های یادگیری ماشین استفاده می‌شوند، از جمله مدل‌های کیسه کلمات، TF-IDF و تکنیک‌های تعبیه‌سازی کلمات مانند Word2Vec و GloVe. روش‌های تعبیه‌سازی کلمات معمولاً عملکرد بهتری نسبت به مدل‌های کیسه کلمات دارند زیرا اطلاعات معنایی بیشتری را در نظر می‌گیرند.
• مدل‌های یادگیری ماشین و یادگیری عمیق: مدل‌های مختلفی از یادگیری ماشین و یادگیری عمیق برای کدگذاری ICD استفاده می‌شوند، از جمله ماشین‌های بردار پشتیبان (SVM)، رگرسیون لجستیک، شبکه‌های عصبی مصنوعی (ANN) و شبکه‌های عصبی بازگشتی (RNN). در سال‌های اخیر، مدل‌های یادگیری عمیق به ویژه مدل‌های مبتنی بر ترانسفورمر مانند BERT، عملکرد بسیار خوبی در این زمینه نشان داده‌اند.
• معیارهای ارزیابی عملکرد: معیارهای مختلفی برای ارزیابی عملکرد سیستم‌های کدگذاری خودکار استفاده می‌شوند، از جمله دقت، بازخوانی، مقدار اف (F-measure) و امتیاز AUC. مهم است که هنگام مقایسه سیستم‌های مختلف، از معیارهای ارزیابی یکسان استفاده شود.

سیستم‌های خودکار کدگذاری ICD کاربردهای متعددی دارند و می‌توانند دستاوردهای قابل توجهی را به همراه داشته باشند:

• کاهش هزینه‌ها و زمان: خودکارسازی فرآیند کدگذاری می‌تواند هزینه‌ها و زمان صرف شده برای این کار را به طور قابل توجهی کاهش دهد.
• بهبود دقت: سیستم‌های خودکار می‌توانند با کاهش خطاهای انسانی، دقت کدگذاری را افزایش دهند.
• افزایش کارایی: سیستم‌های خودکار می‌توانند کدگذاری را سریع‌تر و کارآمدتر انجام دهند.
• بهبود کیفیت داده‌ها: کدگذاری دقیق و یکنواخت داده‌ها می‌تواند کیفیت داده‌های بهداشتی را بهبود بخشد و امکان تحلیل دقیق‌تر و تصمیم‌گیری مبتنی بر شواهد را فراهم سازد.
• کمک به کدگذاران انسانی: سیستم‌های خودکار می‌توانند به عنوان یک ابزار کمکی برای کدگذاران انسانی عمل کنند و به آن‌ها در انجام وظایفشان کمک کنند.

به عنوان مثال، یک بیمارستان می‌تواند با استفاده از یک سیستم خودکار کدگذاری ICD، فرآیند صدور صورتحساب را تسریع کند، خطاهای مربوط به ادعاهای بیمه را کاهش دهد و منابع مالی بیشتری را جذب کند.

مرور نظام‌مند انجام شده نشان می‌دهد که سیستم‌های خودکار کدگذاری ICD پتانسیل بالایی برای بهبود فرآیند کدگذاری داده‌های بالینی دارند. با این حال، هنوز چالش‌هایی در این زمینه وجود دارد که نیازمند تحقیقات بیشتر است. به ویژه، نیاز به مجموعه داده‌های بالینی بزرگ و ناشناس با استفاده از آخرین نسخه سیستم طبقه‌بندی ICD احساس می‌شود. همچنین، بهبود دقت پیش‌بینی کدها و توسعه مدل‌های یادگیری ماشین و یادگیری عمیق پیشرفته‌تر نیز از جمله زمینه‌های تحقیقاتی مهم در این زمینه هستند.

به طور کلی، این مقاله می‌تواند به عنوان یک راهنمای جامع برای محققان و کدگذاران علاقه‌مند به سیستم‌های خودکار کدگذاری ICD عمل کند و به آن‌ها در درک وضعیت فعلی این حوزه و شناسایی فرصت‌های تحقیقاتی جدید کمک کند. این سیستم ها می توانند به عنوان یک سکوی راهنما و به اشتراک گذاری دانش با کدگذاران و محققان کم تجربه تر مورد استفاده قرار گیرند.