AI-algoritme leser og forutsier pasientdata fra elektroniske helsejournaler

Forskere ved Icahn School of Medicine at Mount Sinai har utviklet en ny, automatisert, kunstig intelligens (AI)-basert algoritme som kan lese og forutsie pasientdata fra elektroniske helsejournaler (EHR).

Den nye metoden kalles Phe2vec, og den kan nøyaktig identifisere pasienter med bestemte sykdommer. Den viste seg å være like nøyaktig som den mest populære tradisjonelle metoden, som krever mer manuelt arbeid for å utføres.

Benjamin S. Glicksberg, PhD, er assistentprofessor i genetikk og genomikk. Han er også medlem av Hasso Plattner Institute for Digital Health at Mount Sinai (HPIMS) og seniorforfatter av studien.

“Det skjer en eksplosjon i mengden og typene data som lagres elektronisk i en pasients medisinske journal. Å løse opp denne komplekse nettverket av data kan være svært byrdefullt, og det kan forsinke fremgangen i klinisk forskning,” sa Glicksberg. “I denne studien har vi utviklet en ny metode for å grave ut data fra elektroniske helsejournaler med maskinlæring som er raskere og mindre arbeidskrevende enn bransjens standard. Vi håper at dette kan bli et verdifullt verktøy som kan fremme videre, og mindre forvrengt, forskning i klinisk informatikk.”

Studien, som ble publisert i tidsskriftet Patterns, ble ledet av Jessica K. De Freitas, en masterstudent i Dr. Glicksbergs laboratorium.

Nåværende bransjestandard

Forskere er avhengige av etablerte dataprogrammer og algoritmer for å trekke ut medisinske journaler for ny informasjon. Et system kalt Phenotype Knowledgebase (PheKB) utvikler og lagrer disse algoritmene. Systemet er svært effektivt til å korrekt identifisere en pasients diagnose, men forskerne må gå gjennom mange medisinske journaler og søke etter data først. Dette inkluderer ting som laboratorietester og resepter.

Algoritmen er deretter programmert til å guide datamaskinen til å søke etter pasienter som har sykdomsspesifikke data, som betegnes som en “fenotype”. Dette gjør det mulig for systemet å lage en liste over pasienter, som deretter må sjekkes manuelt av forskerne. Hvis forskerne ønsker å studere en ny sykdom, må de starte prosessen på nytt.

Den nye metoden

Med den nye metoden kan forskerne aktivere datamaskinen til å lære selv hvordan man kan identifisere sykdomsfenotyper, noe som sparer forskerne tid og arbeid. Phe2vec-metoden var basert på tidligere studier som teamet hadde gjennomført.

Riccardo Miotto, PhD, er en tidligere assistentprofessor ved HPIMS og seniorforfatter av studien.

“Tidligere har vi vist at uovervåket maskinlæring kan være en svært effektiv og effektiv strategi for å grave ut elektroniske helsejournaler,” sa Miotto. “Fordelen med vår tilnærming er at den lærer representasjoner av sykdommer fra dataene selv. Derfor gjør maskinen mye av arbeidet som ekspertene vanligvis gjør for å definere kombinasjonen av dataelementer fra helsejournaler som best beskriver en bestemt sykdom.”

Datamaskinen ble programmert til å gå gjennom millioner av elektroniske helsejournaler og lære hvordan man kan identifisere sammenhenger mellom data og sykdommer. Programmeringen var basert på “innlegg”-algoritmer, som også tidligere var utviklet av forskerne. Disse ble brukt til å studere ordnettverk i ulike språk.

En av disse algoritmene ble kalt word2vec, og den var spesielt effektiv. Datamaskinen ble deretter programmert til å identifisere diagnosen til omtrent 2 millioner pasienter hvis data var lagret i Mount Sinai Health System.

Forskerne sammenlignet deretter effektiviteten til den nye og gamle systemene, og de fant at for ni av ti sykdommer som ble testet, var det nye Phe2vec-systemet like effektivt eller litt bedre enn den nåværende “gullstandarden” for fenotypering av sykdommer fra EHR. Disse sykdommene kunne inkludere demens, multippel sklerose, sikkelcelleanemi og mer.

“Samlet sett er våre resultater oppmuntrende og tyder på at Phe2vec er en lovende teknikk for storstilt fenotypering av sykdommer i elektroniske helsejournaler,” sa Dr. Glicksberg. “Med videre testing og finjustering håper vi at det kan brukes til å automatisere mange av de første stegene i klinisk informatikkforskning, og dermed tillate forskerne å fokusere sine anstrengelser på nedstrømsanalyser som prediksjonsmodellering.”