El procesamiento del lenguaje natural da sentido a las notas de los médicos

A pesar de miles de millones de dólares en incentivos para apoyar la adopción de registros médicos electrónicos, la evidencia de que estos sistemas mejoran la eficiencia o la calidad de la atención ha sido escasa. Pero un nuevo estudio muestra que el procesamiento del lenguaje natural, una rama de la informática que emplea la lingüística para analizar el habla regular, puede aumentar en gran medida la utilidad de estos registros para mejorar la atención.

Los investigadores utilizaron este enfoque para examinar las notas de los médicos, el aspecto más rico y complicado de los registros médicos electrónicos, en busca de complicaciones posquirúrgicas como neumonía y sepsis. El método demostró ser considerablemente más preciso que otros sistemas automatizados. Dicen que se podrían usar enfoques similares para una variedad de aplicaciones, incluida la predicción de qué pacientes están en riesgo y el desarrollo de herramientas automatizadas que ayuden a los médicos a elegir los tratamientos.

Finalmente, puede ver cómo se pueden usar los datos clínicos para medir la seguridad del paciente de manera más sistemática, y que realmente podremos usar estas cosas para administrar la atención, dice Ashish Jha , médico de la Facultad de Medicina de Harvard que escribió un editorial que acompaña al artículo. El artículo y el editorial se publicaron esta semana en Revista de la Asociación Médica Estadounidense .



Uno de los beneficios más esperados de los registros médicos electrónicos es el seguimiento computarizado de pacientes e instituciones, para detectar si un paciente en particular está en riesgo de una complicación específica, por ejemplo, o si un departamento u hospital específico está funcionando peor que otros.

El seguimiento automatizado ya se utiliza en la prescripción; por ejemplo, para detectar cuándo interactúan dos medicamentos. Debido a que la información de prescripción es una parte altamente estructurada del registro médico, ha sido bastante fácil de analizar con software. Sin embargo, aprovechar la vasta información disponible en partes menos estructuradas del registro médico, como las notas de los médicos, que contienen entradas de formato libre sobre el historial y el estado del paciente, incluidas las complicaciones posquirúrgicas, es mucho más difícil.

Si no podemos acceder a esa información, tendremos dificultades para monitorear los registros para mejorar la atención, dice Jha. Este documento es tan poderoso porque demuestra que puede hacer esto.

Harvey Murff , médico de la Universidad de Vanderbilt, y sus colaboradores abordaron el problema utilizando algoritmos de procesamiento del lenguaje natural que incorporan ciertas reglas del habla y el lenguaje en el análisis. Por ejemplo, una búsqueda de palabras clave podría recuperar todas las instancias de la palabra neumonía, pero el procesamiento del lenguaje natural también podría tener en cuenta modificadores, como ausencia de signos de neumonía, que producirían un recuento más preciso.

Los investigadores analizaron casi 3.000 registros médicos de pacientes que se sometieron a cirugía en seis centros médicos que forman parte de la Administración de Salud de Veteranos en busca de signos de neumonía, sepsis, trombosis venosa profunda, embolia pulmonar e infarto de miocardio. El seguimiento de incidentes adversos después de la cirugía puede ayudar a los hospitales y los sistemas de atención médica a monitorear qué tan bien una institución está siguiendo las pautas de seguridad. Pero los métodos actuales pueden requerir una gran cantidad de mano de obra (revisar manualmente los registros para identificar complicaciones) o carecer de precisión. Queríamos intentar replicar lo que haría un ser humano, pero de una manera que fuera escalable a un entorno de atención médica más grande y más rentable, dice Murff.

Si bien el desarrollo de los algoritmos implicó algo de prueba y error, el resultado final fue muy sensible: pudieron identificar entre el 80 y el 90 por ciento de las complicaciones observadas anteriormente en una revisión manual realizada por enfermeras capacitadas. El enfoque de procesamiento de lenguaje natural era más sensible que otro método automatizado que usaba códigos de facturación para identificar complicaciones posquirúrgicas. Por ejemplo, el enfoque de Murff detectó el 82 por ciento de los casos de insuficiencia renal aguda, en comparación con el 38 por ciento del enfoque de códigos de facturación.

Sin embargo, el nuevo enfoque fue menos específico en muchos casos, detectando más falsos positivos. Creo que con más iteraciones, podríamos mejorar eso, dice Murff. Su equipo ahora está trabajando en el uso de los datos de las notas de los médicos para predecir los riesgos de complicaciones u otros peligros de seguridad de los pacientes.

Uno de los beneficios del procesamiento del lenguaje natural es su flexibilidad. Jha dice que el enfoque podría usarse para varias aplicaciones. Lo más notable, dice, son las herramientas de apoyo a la toma de decisiones clínicas, en las que se brinda a los médicos ideas sobre cómo tratar mejor a los pacientes. Dar a los médicos sugerencias que tengan en cuenta la información contenida en las notas clínicas sería muy poderoso.

Nuance, un fabricante líder de software de reconocimiento de voz, ya está desarrollando sistemas comerciales que utilizan el procesamiento del lenguaje natural para analizar información médica. La compañía está colaborando con el equipo de IBM que desarrolló Watson, el robot que se hizo famoso al vencer a los concursantes humanos en el programa de televisión. Peligro , para aplicar las herramientas de procesamiento del lenguaje natural del robot a la medicina.

esconder