امروزه، با گسترش روزافزون استفاده از سامانه‌های ثبت الکترونیکی سلامت (EHR) در سازمان‌های بهداشتی و درمانی، بهره‌گیری حداکثری از داده‌های موجود در این سامانه‌ها برای بهبود خدمات و پیشبرد پژوهش‌های بالینی از اهمیت ویژه‌ای برخوردار است. اما چالش اصلی در این زمینه، استخراج اطلاعات مفید از داده‌های غیرساختاریافته موجود در این سامانه‌ها (مانند یادداشت‌های بالینی و نامه‌ها) و ادغام آنها با سایر سامانه‌های اطلاعاتی بیمارستان است. مقاله حاضر به معرفی و بررسی استقرار سکوی تحلیل متون آزاد CogStack در بیمارستان کالج دانشگاهی لندن (UCLH) می‌پردازد، که به منظور رفع این چالش‌ها طراحی و پیاده‌سازی شده است.

این مقاله توسط گروهی از محققان به سرپرستی کاوسار نور، لوکاز روگوسکی، و ریچارد دابسون نوشته شده است. نویسندگان این مقاله متخصصان حوزه‌های مختلفی از جمله بازیابی اطلاعات، پردازش زبان طبیعی، و علوم پزشکی هستند. زمینه اصلی تحقیق، استفاده از تکنیک‌های پردازش زبان طبیعی و بازیابی اطلاعات برای استخراج دانش و بینش از داده‌های غیرساختاریافته موجود در سامانه‌های ثبت الکترونیکی سلامت است. هدف نهایی این تحقیق، بهبود کیفیت خدمات بهداشتی و درمانی و پیشبرد پژوهش‌های بالینی با استفاده از داده‌های موجود در بیمارستان است.

چکیده مقاله به این شرح است:

“با توجه به افزایش استفاده از سامانه‌های ثبت الکترونیکی سلامت (EHR) در سازمان‌های بهداشتی، اهمیت بهره‌گیری ثانویه از داده‌ها برای بهبود خدمات و پژوهش‌های بالینی افزایش یافته است. این سازمان‌ها با چالش استخراج اطلاعات از داده‌های غیرساختاریافته (یادداشت‌های بالینی و غیره) و تعامل این سیستم‌ها با تمام سیستم‌های داده بیمارستان (قدیمی و فعلی) روبرو هستند. برای حل این مشکل در بیمارستان کالج دانشگاهی لندن، نسخه پیشرفته‌ای از سکوی CogStack را مستقر کرده‌ایم؛ یک سکوی بازیابی اطلاعات با قابلیت‌های پردازش زبان طبیعی که برای پردازش سوابق موجود و قدیمی بیمارستان پیکربندی شده است. این سکو قابلیت‌های جذب داده بهبود یافته و ابزارهای بهتری برای پردازش زبان طبیعی دارد. تاکنون بیش از ۱۸ میلیون رکورد پردازش شده است و بینش‌های حاصل از CogStack به تعدادی از موارد استفاده تحقیقات بالینی در بیمارستان‌ها کمک کرده است.”

به طور خلاصه، این مقاله به معرفی سکوی CogStack، یک سیستم بازیابی اطلاعات با قابلیت‌های پردازش زبان طبیعی، می‌پردازد که در بیمارستان کالج دانشگاهی لندن (UCLH) مستقر شده است. هدف از استقرار این سکو، استخراج اطلاعات مفید از داده‌های غیرساختاریافته موجود در سامانه‌های ثبت الکترونیکی سلامت و ادغام آنها با سایر سامانه‌های اطلاعاتی بیمارستان است. این سکو با پردازش میلیون‌ها رکورد، بینش‌های ارزشمندی را در اختیار محققان و پزشکان قرار داده است که به بهبود خدمات بهداشتی و درمانی و پیشبرد پژوهش‌های بالینی کمک کرده است.

روش‌شناسی تحقیق در این مقاله شامل مراحل زیر است:

• انتخاب و پیکربندی سکوی CogStack: نسخه پیشرفته‌ای از سکوی CogStack با قابلیت‌های بهبود یافته در زمینه جذب داده و پردازش زبان طبیعی انتخاب و برای پردازش سوابق بیمارستانی پیکربندی شد.
• جمع‌آوری و پردازش داده‌ها: بیش از ۱۸ میلیون رکورد از سامانه‌های مختلف بیمارستان جمع‌آوری و با استفاده از سکوی CogStack پردازش شدند. این داده‌ها شامل یادداشت‌های بالینی، نامه‌ها، گزارش‌های آزمایشگاهی، و سایر اسناد غیرساختاریافته بودند.
• استخراج اطلاعات و تولید بینش: با استفاده از الگوریتم‌های پردازش زبان طبیعی و تکنیک‌های بازیابی اطلاعات، اطلاعات مفید از داده‌های پردازش شده استخراج و برای تولید بینش در زمینه‌های مختلف بالینی مورد استفاده قرار گرفتند.
• ارزیابی و اعتبارسنجی نتایج: بینش‌های تولید شده توسط سکوی CogStack با استفاده از روش‌های مختلفی از جمله بررسی توسط متخصصان بالینی و مقایسه با نتایج حاصل از روش‌های سنتی، ارزیابی و اعتبارسنجی شدند.

به عنوان مثال، یکی از روش‌های استخراج اطلاعات، استفاده از الگوریتم‌های تشخیص موجودیت نامی (Named Entity Recognition – NER) برای شناسایی و استخراج اسامی داروها، بیماری‌ها، و سایر اصطلاحات پزشکی از یادداشت‌های بالینی است. سپس، با استفاده از تکنیک‌های تحلیل متن، روابط بین این موجودیت‌ها بررسی و بینش‌های مربوطه تولید می‌شود. برای مثال، می‌توان با بررسی یادداشت‌های بالینی بیماران مبتلا به دیابت، الگوهایی را در مورد داروهای مصرفی و عوارض جانبی آنها شناسایی کرد.

یافته‌های کلیدی این تحقیق عبارتند از:

• بهبود دسترسی به اطلاعات بالینی: سکوی CogStack امکان دسترسی سریع و آسان به اطلاعات بالینی را برای محققان و پزشکان فراهم کرده است.
• شناسایی الگوها و روندها در داده‌های بالینی: این سکو به شناسایی الگوها و روندهای مهم در داده‌های بالینی کمک کرده است، که می‌تواند به بهبود تشخیص، درمان، و پیشگیری از بیماری‌ها منجر شود.
• کاهش زمان و هزینه پژوهش‌های بالینی: با استفاده از سکوی CogStack، زمان و هزینه مورد نیاز برای انجام پژوهش‌های بالینی به طور قابل توجهی کاهش یافته است.
• افزایش کارایی خدمات بهداشتی و درمانی: بینش‌های حاصل از این سکو به بهبود کارایی خدمات بهداشتی و درمانی کمک کرده است، از جمله بهبود مدیریت منابع و کاهش خطاهای پزشکی.

به عنوان نمونه، یکی از یافته‌های کلیدی این تحقیق، شناسایی ارتباط بین مصرف یک داروی خاص و افزایش خطر ابتلا به یک عارضه جانبی نادر بوده است. این یافته به پزشکان کمک کرده است تا در تجویز این دارو احتیاط بیشتری کنند و بیماران را به طور دقیق‌تری پایش کنند.

کاربردها و دستاوردهای استقرار سکوی CogStack در UCLH بسیار گسترده است و شامل موارد زیر می‌شود:

• پشتیبانی از پژوهش‌های بالینی: این سکو به عنوان یک منبع ارزشمند از داده‌های بالینی برای پژوهشگران عمل می‌کند و به آنها کمک می‌کند تا به سوالات مهم پژوهشی پاسخ دهند.
• بهبود کیفیت مراقبت از بیمار: بینش‌های حاصل از این سکو به پزشکان کمک می‌کند تا تصمیمات بهتری در مورد تشخیص و درمان بیماران بگیرند.
• توسعه درمان‌های جدید: با شناسایی الگوها و روندهای جدید در داده‌های بالینی، این سکو می‌تواند به توسعه درمان‌های جدید برای بیماری‌ها کمک کند.
• بهبود مدیریت منابع بیمارستان: این سکو می‌تواند به بیمارستان کمک کند تا منابع خود را به طور موثرتری مدیریت کند، از جمله کاهش هزینه‌ها و بهبود کارایی.

برای مثال، از این سکو برای شناسایی بیمارانی که در معرض خطر ابتلا به عفونت‌های بیمارستانی هستند استفاده شده است. با شناسایی زودهنگام این بیماران، می‌توان اقدامات پیشگیرانه مناسبی را برای جلوگیری از بروز عفونت انجام داد.

استقرار سکوی تحلیل متون آزاد CogStack در بیمارستان کالج دانشگاهی لندن (UCLH) نشان‌دهنده پتانسیل بالای استفاده از تکنیک‌های پردازش زبان طبیعی و بازیابی اطلاعات برای استخراج دانش و بینش از داده‌های غیرساختاریافته موجود در سامانه‌های ثبت الکترونیکی سلامت است. این سکو با بهبود دسترسی به اطلاعات بالینی، شناسایی الگوها و روندها در داده‌های بالینی، کاهش زمان و هزینه پژوهش‌های بالینی، و افزایش کارایی خدمات بهداشتی و درمانی، نقش مهمی در بهبود کیفیت مراقبت از بیمار و پیشبرد پژوهش‌های بالینی ایفا می‌کند. این تجربه می‌تواند به عنوان یک الگو برای سایر سازمان‌های بهداشتی و درمانی در سراسر جهان مورد استفاده قرار گیرد.

با توجه به اهمیت روزافزون داده‌های غیرساختاریافته در حوزه سلامت، سرمایه‌گذاری در توسعه و استقرار سیستم‌های تحلیل متون آزاد مانند CogStack می‌تواند به طور قابل توجهی به بهبود کیفیت خدمات بهداشتی و درمانی و پیشبرد پژوهش‌های بالینی کمک کند. استفاده از این تکنولوژی‌ها نه تنها به پزشکان و محققان در تصمیم‌گیری‌های بهتر یاری می‌رساند، بلکه می‌تواند در نهایت منجر به بهبود سلامت و رفاه جامعه گردد.