📫 💪 😄 हमें चिकित्सा में प्राकृतिक भाषा प्रसंस्करण की आवश्यकता क्यों है: आधुनिक चुनौतियाँ और चुनौतियाँ 🧜🏾 👩🏿‍💻 🐩

द हफ़िंगटन पोस्ट के अनुसार, 80% इलेक्ट्रॉनिक मेडिकल रिकॉर्ड एक असंरचित रूप में संग्रहीत हैं - तथाकथित "टेक्स्ट बबल"। पाठ के रूप में, न केवल ईएमसी डेटा संग्रहीत किया जाता है, बल्कि बड़ी मात्रा में अन्य चिकित्सा जानकारी भी है - ये वैज्ञानिक लेख, नैदानिक सिफारिशें, बीमारियों और शिकायतों का विवरण हैं। और यहां तक कि अगर उनमें डेटा आंशिक रूप से संरचित है, तो उनके भंडारण के लिए आमतौर पर स्वीकृत प्रारूप नहीं होते हैं।

एक "टेक्स्ट बबल" से उपयोगी ज्ञान निकालने में समस्याग्रस्त है - सबसे सरल एल्गोरिदम कुछ शब्दों या वाक्यांशों की घटना के लिए एक दस्तावेज की जांच करने में सक्षम हैं, लेकिन यह पर्याप्त नहीं है: डॉक्टर को हमेशा विवरण की आवश्यकता होती है। उसे न केवल यह जानने की जरूरत है कि रोगी के पास तापमान है, बल्कि गतिशीलता को समझने के लिए भी: उदाहरण के लिए, "तापमान शाम को 39 तक बढ़ जाता है और चौथे दिन तक रहता है"।

प्राकृतिक भाषा प्रसंस्करण (एनएलपी) प्रौद्योगिकियां आपको चिकित्सा ग्रंथों और इलेक्ट्रॉनिक मेडिकल रिकॉर्ड से मूल्यवान जानकारी निकालने में मदद कर सकती हैं। इसके बाद, हम दिखाते हैं कि एनएलपी प्रौद्योगिकियां डॉक्टरों के काम को कैसे सरल बनाती हैं: हम भाषण मान्यता और चिकित्सा शर्तों से भरे ग्रंथों के बारे में बात करेंगे, और नैदानिक निर्णय लेने में मदद करेंगे।

"डॉक्टर + डॉक्टर विनम्रता से आपके दुख से निपटेंगे"

एनएलपी क्या है?

वास्तव में, एनएलपी का इतिहास कृत्रिम बुद्धि के आधुनिक विज्ञान के शुरुआती दिनों में शुरू हुआ। एक मशीन के "कारण" के लिए एक मानदंड के रूप में अपने काम " कंप्यूटर और मन " में एलन ट्यूरिंग लोगों के साथ संवाद करने की अपनी क्षमता को बुलाता है - अब यह एक महत्वपूर्ण काम है, लेकिन एनएलपी सिस्टम के डेवलपर्स हल नहीं करते हैं।

एनएलपी कई तकनीकों (गणित के संदर्भ में एक दूसरे से बहुत दूर सहित) को जोड़ती है जो प्राकृतिक मानव भाषा के प्रसंस्करण से संबंधित एल्गोरिथम समस्याओं को हल करने की अनुमति देता है:

पाठ से तथ्यों को निकालें (साहित्य को रोकने के लिए एक सरल खोज के लिए एक पूर्ण खोज से);
आवाज मान्यता और पाठ रूपांतरण के लिए आवाज;
ग्रंथों का वर्गीकरण;
पाठ या भाषण पीढ़ी;
मशीनी अनुवाद
पाठ की टॉन्सिलिटी का विश्लेषण (ओपिनियन माइनिंग सहित);
और अन्य

विज्ञान कथा में, एक सुपर कंप्यूटर अक्सर उपरोक्त सभी को करने में सक्षम होता है। 2001 की पंथ फिल्म द स्पेस ओडिसी में , एचएएल 9000 ने मानव भाषण और दृश्य चित्रों को मान्यता दी , एक आम भाषा में संवाद किया। व्यवहार में, ये सभी कार्य अत्यधिक विशिष्ट हैं, और व्यक्तिगत एल्गोरिदम उन्हें हल करते हैं।

और ये एल्गोरिदम (और अंतर्निहित प्रौद्योगिकियां) लगातार प्रगति कर रही हैं। उदाहरण के लिए, आम उपयोगकर्ताओं को सबसे "निकटतम" एनएलपी दिशा - आवाज की पहचान - कुछ साल पहले छिपे हुए मार्कोव मॉडल पर आधारित थी। उन्होंने उस व्यक्ति को तोड़ दिया जो एक व्यक्ति ने छोटे घटकों में कहा था, जो फोनेम्स को गाता था, सांख्यिकीय विश्लेषण किया और पाठ प्रारूप में कही गई सबसे संभावित परिणाम का उत्पादन किया। अब, डेवलपर्स तंत्रिका नेटवर्क का उपयोग करने की अधिक संभावना रखते हैं - विशेष रूप से, आवर्तक तंत्रिका नेटवर्क और उनके वेरिएंट, उदाहरण के लिए, दीर्घकालिक अल्पकालिक मेमोरी (LSTM)।

आज, एनएलपी सिस्टम का उपयोग अधिक से अधिक बार किया जाता है - हम सिरी के साथ बात करते हैं, एक Google सहायक (एलटीसीएम के साथ एंड्रॉइड ओएस में उपयोग किया जाता है) और कार इन्फोटेनमेंट सिस्टम के साथ बात करते हैं, स्मार्ट एल्गोरिदम हमारे मेल को स्पैम से बचाते हैं, समाचार एग्रीगेटर लेख हम रुचि रखते हैं, और खोज इंजन हमें उस जानकारी को खोजने की अनुमति देते हैं जो हमें किसी भी अनुरोध पर चाहिए।

एनएलपी चिकित्सा में क्या कार्य करता है?

हालांकि, एनएलपी सिस्टम न केवल आधुनिक उपकरणों और ऑनलाइन अनुप्रयोगों के संचालन में उपयोगी हैं। उन्हें 90 के दशक की शुरुआत से व्यक्तिगत अस्पतालों और चिकित्सा विश्वविद्यालयों में पेश किया गया है।

उस समय यूटा विश्वविद्यालय में विकसित किया गया पहला एनएलपी एप्लिकेशन साल्ट लेक सिटी क्लिनिक के लिए विशेष प्रयोजन रेडियोलॉजी अंडरस्टैंडिंग सिस्टम (SPRUS) था। इस उपकरण ने एक विशेषज्ञ प्रणाली की जानकारी का उपयोग किया, जो उचित निदान के साथ लक्षणों की तुलना करता है, और पार्सल पाठ संबंधी रेडियोलॉजिकल रिपोर्ट (एक्स-रे की व्याख्या करने वाले चिकित्सा प्रोटोकॉल)।

कार्यक्रम ने थिसॉरस में शब्दों की खोज के आधार पर सिमेंटिक पार्सिंग तकनीक का उपयोग किया । थिसॉरस को विशेष रूप से विकसित संकलक का उपयोग करके नैदानिक समस्याओं को हल करने के लिए ज्ञान आधार से स्वचालित रूप से फिर से भर दिया गया था।

तब से, एनएलपी और चिकित्सा में मशीन सीखने की संभावनाओं ने आगे कदम बढ़ाया है: आज, प्रौद्योगिकी डॉक्टरों के लिए इलेक्ट्रॉनिक मेडिकल रिकॉर्ड के साथ काम को सरल बनाती है और चिकित्सीय निर्णय लेने में नैदानिक त्रुटियों, "सहायता" की आवृत्ति को कम करती है।

इलेक्ट्रॉनिक कार्ड (EMC) के साथ काम का सरलीकरण

इलेक्ट्रॉनिक मेडिकल रिकॉर्ड, या EMCs, पेपर कार्ड के एनालॉग हैं जो हमारे परिचित हैं। इलेक्ट्रॉनिक कार्ड का कार्य वर्कफ़्लो को सरल बनाना और पेपर वर्क की मात्रा को कम करना है। हमने इस बारे में और विस्तार से बात की कि ईएमसी क्या है और वे हमारी पिछली सामग्रियों में से एक में चिकित्सा देखभाल की गुणवत्ता को नियंत्रित करने में कैसे मदद करते हैं।

इस तथ्य के बावजूद कि EMC की शुरुआत के साथ, डॉक्टरों के लिए दस्तावेजों के साथ काम करना आसान हो गया है, कार्ड भरने में कुछ समय लगता है। कंप्यूटर इंफॉर्मेटिक्स नर्सिंग में 2012 में प्रकाशित एक अध्ययन के अनुसार, अमेरिकी अस्पतालों में नर्सें अभी भी अपने काम का लगभग 19% इलेक्ट्रॉनिक कार्ड भरने में खर्च करती हैं।

हां, यह कार्य दिवस का केवल पांचवा हिस्सा है, लेकिन फिर भी इस आंकड़े को कम किया जा सकता है और जारी संसाधनों का उपयोग बीमारों की देखभाल के लिए किया जा सकता है। नुनेस कम्युनिकेशंस के अध्यक्ष जो पेट्रो के अनुसार , एनएलपी तकनीक इसे सक्षम करेगी।

2009 में, Nuance ने प्राकृतिक भाषा प्रसंस्करण प्रौद्योगिकियों के बारे में हजारों अमेरिकी चिकित्सकों की राय जानी । अध्ययन के परिणामों के अनुसार, सर्वेक्षण में 94% डॉक्टरों ने एनएलपी के साथ EMC के कार्यान्वयन को चिकित्सा देखभाल की गुणवत्ता का एक महत्वपूर्ण ड्राइवर कहा है।

इस दृष्टिकोण का एक उदाहरण Paukipzi में हडसन वैली हार्ट सेंटर मेडिकल स्टाफ का उपयोग करने वाली एक सेवा है। Nuance Communications के एक समाधान की मदद से, अस्पताल की नर्सें रोगी के चिकित्सा इतिहास से अर्क निर्धारित करती हैं, शारीरिक परीक्षा के परिणाम तैयार करती हैं और बीमारी के दौरान डेटा रिकॉर्ड करती हैं। आवेदन स्वचालित रूप से अस्पताल में लागू ईएमसी प्रणाली में रिकॉर्ड को अपडेट करता है ।

इसी तरह के समाधान रूस में लागू किए जा रहे हैं। उदाहरण के लिए, 2016 में, स्पीच टेक्नोलॉजीज सेंटर ने मेडिकल स्पीच को पहचानने और रिपोर्ट और मेडिकल रिकॉर्ड को पूरा करने में लगने वाले समय को कम करने के लिए Voice2Med सिस्टम विकसित करना शुरू किया। जैसा कि रूसी संघ के श्रम और सामाजिक संरक्षण मंत्रालय में कहा गया है, अब डॉक्टर के काम करने का आधा समय लगता है।

हमारे एनएलपी समाधान

चिकित्सा में एनएलपी का मुख्य उद्देश्य पाठ से डेटा निकालना है। हम DOC + पर ध्यान केंद्रित करते हैं। हमारी मशीन लर्निंग डेवलपमेंट टीम में छह लोग हैं। इनमें से दो विशेष रूप से एनएलपी तकनीक पर काम करते हैं। DOC + में, NLP तकनीक का उपयोग कार्डों को चिह्नित करने के लिए किया जाता है, जिस पर EMC गुणवत्ता नियंत्रण प्रणाली प्रशिक्षित होती है (हमने पिछले लेख में इसके बारे में लिखा था)।

उसी प्रणाली के आधार पर, हमारे एनामनेसिस बॉट भी काम करते हैं, ऑनलाइन परामर्श के काम को अनुकूलित करते हैं। बॉट ऑनलाइन काम करता है और रोगी को स्वतंत्र रूप में शिकायतों का वर्णन करने के लिए कहता है, फिर पाठ से लक्षणों को अलग करता है और उन्हें डॉक्टर को रिपोर्ट करता है। इसके लिए धन्यवाद, विशेषज्ञ पहले से तैयार रोगी के साथ टेलीमेडिसिन परामर्श शुरू करता है (हम आपको निम्नलिखित पोस्ट में हमारे अनामनेस बॉट के काम के बारे में अधिक बताएंगे)।

एनएलपी सिस्टम के विकास की विशेषताएं

ऐसी प्रणालियों को विकसित करने में कई कठिनाइयां हैं। उनमें से पहला यह है कि ग्रंथों के साथ काम करते समय यह सरल व्यापक एल्गोरिदम और दृष्टिकोण का उपयोग करने के लिए पर्याप्त नहीं है। ऐसी सेवाएँ जो कुछ शब्दों की उपस्थिति के लिए पाठ को स्कैन करती हैं और चिकित्सा में "महत्व" का आकलन करने के लिए उनकी उपस्थिति की आवृत्ति पर विचार करती है, बहुत सीमित परिणाम देती है।

निदान करते समय, चिकित्सक के लिए न केवल यह जानना महत्वपूर्ण है कि किसी व्यक्ति में एक विशेष लक्षण था, बल्कि इस लक्षण की गतिशीलता और मापदंडों को समझने के लिए भी - स्थानीयकरण, दर्द का प्रकार, डिजिटाइज्ड संकेतकों के सटीक मूल्य आदि, इसलिए, चिकित्सा ग्रंथों के साथ काम करने के लिए अधिक जटिल एल्गोरिदम की आवश्यकता है। न केवल शब्दों को उजागर करना, बल्कि विभिन्न शिकायतों और लक्षणों के बारे में जटिल तथ्य।

पाठ से: "18 फरवरी को, मेरे सिर को बाईं ओर दर्द हुआ, शाम को तापमान 39 तक बढ़ गया। अगले दिन सिरदर्द का क्षेत्र बढ़ गया, कोई चक्कर नहीं था", सिस्टम को तीन लक्षणों के बारे में संरचित जानकारी को उजागर करना चाहिए:

सिरदर्द - 02/18 को दिखाई दिया; स्थानीयकरण: बाईं ओर; गतिशीलता: 02.19 - क्षेत्र में वृद्धि।
तापमान - 18.02; मूल्य: 39 डिग्री।
चक्कर आना - कोई लक्षण नहीं।

दूसरी विशेषता यह है कि टेक्स्ट प्रोसेसिंग टूल को अत्यधिक विशिष्ट सामग्रियों के साथ काम करने के लिए और अधिक अनुकूलित करने की आवश्यकता है। उदाहरण के लिए, हमें वर्तनी परीक्षक को "ट्विक" करना था, क्योंकि बाजार में कोई भी समाधान हमारी आवश्यकताओं को पूरा नहीं करता था।

वर्तनी-जाँचकर्ताओं ने "खाँसी" शब्द को "बूँद" के रूप में ठीक किया, क्योंकि उन्होंने चिकित्सा शब्दावली के बिना ग्रंथों पर अध्ययन किया था। इसलिए, हमने चिकित्सा लेखों से शरीर पर प्रणाली को वापस रखा। और शास्त्रीय एल्गोरिदम में इस तरह के छोटे सुधार लगातार किए जाने हैं।

हमारी एनएलपी प्रणाली क्या कर सकती है

अब हमने जो समाधान विकसित किया है वह 400 शब्दों को पहचानता है - लक्षण, निदान, दवाओं के नाम आदि। इसके अलावा, अधिकांश लक्षणों के लिए, सिस्टम अतिरिक्त गुणों को अलग करने में सक्षम है: स्थानीयकरण ( नाभि के दाईं ओर पेट में दर्द), प्रकार ( गीली खाँसी), रंग ( स्पष्ट बलगम) ), जटिलताओं की उपस्थिति और मापने योग्य मापदंडों (तापमान, दबाव) के मूल्यों।

इसके अलावा, वह जानती है कि समय के मापदंडों को अलग करना और लक्षणों के साथ उनकी तुलना करना, टाइपो को सही करना और समान तथ्यों का वर्णन करने के लिए विभिन्न विकल्पों के साथ काम करना है।

नैदानिक निर्णय लेने में सहायता (सीडीएस)

नैदानिक निर्णय समर्थन (सीडीएस) समर्थन प्रणाली डॉक्टरों को एक निदान करते समय, उपचार निर्धारित करने, दवाओं की खुराक निर्धारित करने, और इसी तरह से स्वचालित सहायता प्रदान करती है। एनएलपी सिस्टम आपको इसके लिए आवश्यक चिकित्सा जानकारी प्राप्त करने की अनुमति देता है - वे इसे वैज्ञानिक कागजात, परीक्षा परिणाम, चिकित्सा गाइड और यहां तक कि रोगी के शब्दों से भी आकर्षित करते हैं।

इनमें से एक समाधान आईबीएम में विकसित किया गया था। हम सवाल-जवाब प्रणाली DeepQA के बारे में बात कर रहे हैं, जिसके साथ आईबीएम वाटसन सुपर कंप्यूटर काम करता है । इस मामले में, वाटसन बड़े डेटाबेस के लिए "एनएलपी खोज इंजन" के रूप में कार्य करता है: यह डॉक्टरों के सवालों को संसाधित करता है और उन्हें एक विशिष्ट उत्तर देता है, और न केवल इंटरनेट पर खोज परिणाम प्रदर्शित करता है। वाटसन की तकनीक ने उसे संकट में जीतने में सक्षम बनाया ! ("उनके खेल" के अमेरिकी पूर्वज)।

इस तरह की तकनीकों के अनुप्रयोग का एक और उदाहरण एनएलपी प्रणाली है, जिसे वेंडरबिल्ट विश्वविद्यालय के चिकित्सा केंद्र से डॉ। हार्वे जे। मर्फ़ के नेतृत्व में वैज्ञानिकों की एक टीम द्वारा बनाया गया है । डेवलपर्स ने एल्गोरिदम को इलेक्ट्रॉनिक रोगी रिकॉर्ड का विश्लेषण करने और उन बीमारियों की पहचान करने के लिए सिखाया जो सर्जरी के बाद जटिलताओं का कारण बन सकते हैं।

एनएलपी प्रोसेसर ने एसएनओएमईडी-सीटी सिस्टेमेटाइज्ड मशीन-प्रोसेस मेडिकल नोमेनक्लेचर पर आधारित योजना का उपयोग करके मेडिकल रिकॉर्ड में रिकॉर्ड किया। आउटपुट पर, सिस्टम ने "चिह्नित-अप" रोगी कार्ड के साथ एक XML फ़ाइल उत्पन्न की। प्रयोगों से पता चला कि कार्यक्रम ने अधिकांश जटिलताओं को सही ढंग से वर्गीकृत किया है, उदाहरण के लिए, 82% मामलों में गुर्दे की विफलता को सही ढंग से मनाया गया था, और 91% मामलों में पश्चात रोधगलन।

DOC + का भी CDS का अपना एक एनालॉग है - एप्लिकेशन में किसी डॉक्टर की कोई कार्रवाई संकेत के साथ होती है, लेकिन अभी तक वे शास्त्रीय नियम-आधारित एल्गोरिदम द्वारा बनाई जाती हैं, बिना मशीन लर्निंग और एनएलपी के उपयोग के। लेकिन हम सीडीएस की एक नई पीढ़ी पर काम कर रहे हैं जो मरीज की पूरी मेडिकल हिस्ट्री को प्राकृतिक भाषा में पढ़ेगी और डॉक्टर को संकेत के रूप में इस्तेमाल करेगी।

एनएलपी सिस्टम का और विकास

एनएलपी सिस्टम आपको न केवल मेडिकल रिकॉर्ड के साथ, बल्कि वैज्ञानिक लेख और चिकित्सा मानकों के साथ भी काम करने की अनुमति देगा। चिकित्सा के क्षेत्र में, विशाल अनुभव जमा हो गया है, जिसे नैदानिक सिफारिशों, वैज्ञानिक पत्रों और अन्य पाठ स्रोतों में संक्षेपित किया गया है। दवा के एक संरचित डेटाबेस का निर्माण करते समय, वास्तविक रोगियों के नक्शे के साथ एक बराबर पर कृत्रिम बुद्धिमत्ता प्रणाली के प्रशिक्षण के लिए इस डेटा का उपयोग करना तर्कसंगत है, जिसका उपयोग लोगों द्वारा नहीं, बल्कि एल्गोरिदम द्वारा किया जा सकता है।

ऐसी एनएलपी प्रणालियों का लाभ यह है कि उनके काम के परिणाम अक्सर व्याख्या करने में आसान होते हैं, अर्थात्, विशिष्ट स्रोतों से बंधे होते हैं। सामान्य तौर पर, मशीन लर्निंग एल्गोरिदम के परिणामों की व्याख्या का सवाल तुच्छ से दूर है, और वैज्ञानिक समुदाय के लिए दोनों के लिए महत्वपूर्ण है (आईसीएमएल सीखने की मशीन पर अग्रणी अंतरराष्ट्रीय सम्मेलन में, एक अलग कार्यशाला नियमित रूप से इसके लिए समर्पित है ) और डेवलपर्स के लिए, खासकर जब यह परियोजनाओं के क्षेत्र में आता है। साक्ष्य-आधारित दवा। हमारे लिए, व्याख्या की आवश्यकता हमारे एनएलपी प्रणाली को और अधिक कठिन (और अधिक दिलचस्प) सुधारने का कार्य करती है।

एनएलपी एक आशाजनक क्षेत्र है जो चिकित्सा देखभाल की गुणवत्ता को एक नए स्तर पर ले जाएगा। हम इन तकनीकों को आगे सक्रिय रूप से विकसित करने की योजना बना रहे हैं और हमारे ब्लॉग में अपने विकास के बारे में बात करना जारी रखते हैं।

अतिरिक्त पढ़ने: हमारे ब्लॉग से उपयोगी लेख " बस पूछो ":

हमें चिकित्सा में प्राकृतिक भाषा प्रसंस्करण की आवश्यकता क्यों है: आधुनिक चुनौतियाँ और चुनौतियाँ