- Fujitsu Laboratuvarları, tıp uzmanları tarafından yazılan tıbbi metinlerin tıbbi kodlamasını otomatikleştirmek için Yapay Zeka tabanlı yenilikçi bir teknoloji geliştirdi.
- Klinik notların ek açıklama sürecinin otomatikleşmesiyle, tıp uzmanları hasta bilgilerine daha hızlı erişerek hasta bakımına ayırdıkları zamanı artırabilecekler.
- Son teknoloji ürünü Yapay Zeka çözümü, metin madenciliği tekniklerini kullanarak tıbbi kodlama işleri için harcanan süreyi% 90’dan fazla azaltıyor.
Fujitsu Avrupa Laboratuvarları Fujitsu Avrupa Laboratuvarları, Londra’da düzenlenen Fujitsu İnovasyon Buluşması’nda, düz metni otomatik olarak tıbbi koda çevirerek işlenmesini kolaylaştıran ve bu sayede yüzde 90 oranında zamandan tasarruf sağlayan yeni Yapay Zeka teknolojisi duyurdu. Tıbbi sınıflandırmalara uyumu yüksek oranda kolaylaştıran yeni otomatik tıbbi kodlama çözümü, normalde ortalama 15 dakika tutan kayıt işlemini bir dakikadan daha kısa süreye indiriyor. Önceki nesil teknolojilerin aksine, Fujitsu’nun Yapay Zeka metin madenciliği teknolojisi, tıbbi notları analiz etmek ve değerli verileri çıkarmak için semantik bilgiyi ve Doğal Dil İşleme (NLP) ile Derin Öğrenme teknolojilerini birleştiriyor.
Fujitsu Avrupa Laboratuvarları, Madrid’in önde gelen San Carlos Klinik Hastanesi de dahil olmak üzere sağlık sektöründeki inovasyon ortakları ile yaklaşık dört yıldır çeşitli klinik projeler üzerinde çalışıyor. Tıbbi Koordinatör Dr. Julio Mayol, “birlikte geliştirme” yaklaşımının önemini tıbbi bir bakış açısıyla açıkladığı konuşmasında; “Sürekli olarak klinik karar vermeyi iyileştirmenin yeni yollarını arıyoruz. Fujitsu Avrupa Laboratuvarları ile olan çalışmamız, verimliliği artırmak için çok önemli bir gelişme. Günümüzde mevcut Sağlık İşleme sistemlerinin çoğu, doktor-hasta ilişkisinin gereksinimlerini tam olarak karşılayamıyor. İşin gerçeği, mevcut sistemlerin kullanımındaki zorluk, sağlık uzmanlarında yıpranmaya sebep oluyor. Fujitsu’nun yeni Yapay Zeka metin madenciliği teknolojisi gibi yeniliklerle klinik karar alma sürecinde somut iyileştirmeler elde edebiliriz” dedi.
Fujitsu Avrupa Laboratuvarları İcra Kurulu Başkanı Dr Adel Rouz konuyla ilgili açıklamasında; “San Carlos Klinik Hastanesi gibi iş ortaklarıyla hareket etme stratejimiz, özellikle tıbbi karar alma süreçlerinde sağlık sektörünün karşılaştığı zorluklar hakkında bize önemli bir fikir verdi. Tıp uzmanlarının iş süreçlerinde fark yaratan birçok önemli yeniliği ortaya koyabildik. Hayata geçirdiğimiz bu çözümümüz, klinik verilerin güvenilirliğini artırmanın yanı sıra hastaneler, sağlık sigortası şirketleri ve devlet kurumlarının dijitalleşmesine yardımcı olmaktadır. Teknolojimizin, sigorta, hukuk ve uyumluluk gibi pek çok alanda benzer sorunları çözmek için kolayca uyarlanabileceğine inanıyoruz” dedi.
Doğru yapılandırılmış bilgi, tıbbi konularda karar verme aşamasında ve sağlık hizmeti sunumunu iyileştirmede önemli bir rol oynuyor. Bununla birlikte, klinik sahada çalışan uzmanların hastalara ayırabildiği zamanın gittikçe azaldığı günümüzde Sağlık Takip sistemine giriş sırasında kaybedilen zaman daha da anlamlı hale geliyor. Sağlık uzmanlarına, hasta raporunu yazarken düz metin kullanımı gibi daha esnek veri giriş yöntemleri sağlanarak, hasta başına düşen maliyet azaltılabilir ve aynı zamanda uzmanların daha etkin hasta verisi kaydetmeleri sağlanır. Fujitsu Laboratuvarlarının bu çözümü, Sağlık Kayıt sisteminin gerektirdiği yapılandırılmış bilgileri sağlık uzmanının düz anlatım metninden otomatik olarak alır, derin analiz yaklaşımını kullanarak doğru kodlamaya çevirir. Sistem, birçok mevcut kodlama sisteminin kullandığı karmaşık dilbilimi kurallarına kıyasla ek esneklik sağlıyor. Sonuçta sistem, Uluslararası Hastalık İstatistikleri ve İlgili Sağlık Sorunları Sınıflandırması (ICD) kodlarının içinden çok daha geniş bir kesit alanı çıkararak eşleştirme havuzu kullandığı için yüksek doğruluk derecesi elde edilebiliyor.
Fujitsu’nun Yapay Zeka Metin Madenciliği yaklaşımı iki temel bileşenden oluşmaktadır:
- Bilgi tabanının oluşturulması: semantik olarak dış kaynaklarla zenginleştirilen tıbbi sınıflandırmaları ortaya çıkartan bir bilgi havuzu tasarlanmıştır. Bu anlamsal zenginleştirme, işlemin art arda gelişen aşamalarını iyileştirilmiş sonuçlara çevirerek tıbbi sınıflandırmalara ek içerik sağlamaktadır. Anlamsal zenginleşme için ontolojiler ve kelime tamlamaları teknikleri kullanılmaktadır.
- Tanıma ve görevlendirme: Derin öğrenme ve analiz imkanı kullanarak tıbbi terimler tanıma sürecini ve bunu takiben klinik notlarının potansiyel kodlamasını hesaplamak için ağırlıklı puan sıralama formüllerinin tanımını içeriyor.
Fujitsu’nun Yapay Zeka teknolojisi, 200 adet özel anonim klinik not ve MIMIC-III1 veri tabanından çıkarılan 5000 özeti içeren iki İngilizce veri kümesi üzerinden değerlendirildi. Fujitsu’nun geliştirdiği bu teknolojinin bir diğer avantajı ise başka bir tıbbi sınıflandırılabilmesi veya başka dillere kolayca uyarlanabilmesi ve önceden ek açıklamalı veri setleri gerektirmemesidir.
(1) MIMIC-III, halka açık bir klinik veri tabanıdır ve Sağlık toplumunda bu tür problemlerin karşılaştırılmasında güncel bir referans / altın standarttır. MIMIC-III, Beth Deaconess Tıp Merkezi’nin Kritik Bakım Ünitelerinin 2001 ve 2012 yılları arasında sağlıkla ilgili tanımlanmamış verilerini içermektedir. Buna demografik veriler, hayati işaret ölçümleri, laboratuvar testleri, klinik notlar, vb. bilgiler dahildir.
