Como una empresa centrada en los datos, las soluciones de Better giran en torno a dar estructura a los datos. SNOMED concept linker toma cualquier forma de documento clínico de texto libre como entrada y devuelve una lista de conceptos clínicos identificados.
Hablamos con Robert Tovornik, el científico de datos de Better Innovation Lab, que formó parte del equipo que desarrolló la tecnología de vinculación de conceptos SNOMED. Según explicó, "los conceptos clínicos, como enfermedades, trastornos, procedimientos médicos y otras entidades clínicas, son todos identificables por los términos clínicos de SNOMED. Al formar un vínculo entre términos y conceptos, lo que permite que una computadora comprenda el contenido del documento, es una poderosa herramienta para la extracción rápida de datos, emparejando millones de conceptos en un instante cercano".
Robert también formó parte del equipo que participó en un proyecto de investigación DisTEMIST (DISease TExt Mining Shared Task) sobre indexación semántica biomédica a gran escala y respuesta a preguntas, donde ocupó el segundo lugar en la categoría de enfermedades vinculadas a términos clínicos de SNOMED. Lea más sobre esta tecnología innovadora y sobre lo que realmente hace Better Innovation Lab en la entrevista a continuación.
El papel del Better Innovation Lab es rastrear tecnologías nuevas y futuras, estudiarlas hasta el punto de comprenderlas y, cuando sea necesario, encontrar formas de utilizarlas como parte de nuestros productos. Como hemos aprendido que la mejor manera de entender una tecnología es a través de la aplicación, desarrollamos y probamos diferentes casos de uso potenciales como pruebas de concepto, al margen, como parte del proceso de innovación. Al hacerlo, incluso las ideas menos imaginables se vuelven tangibles y más fáciles de presentar. Luego, a través de una presentación a una audiencia más amplia, intentamos despertar un mayor interés en aquellos que podrían beneficiarse más de la tecnología.
Como empresa centrada en los datos, nuestras soluciones giran en torno a dar estructura a los datos. La estructura de datos, hasta cierto punto, se impone fácilmente con nuevas aplicaciones a través del diseño del sistema. Sin embargo, el dominio de la salud tiene grandes cantidades de sus datos, según algunas estimaciones alrededor del 80%, en formato de texto libre no estructurado, representado como notas clínicas, informes médicos y otros. Encontrar información relevante en este tipo de documentos puede ser una tarea que consume mucho tiempo, pero utilizar información oculta se considera uno de los desafíos más fundamentales para transformar la atención médica, con el objetivo de mejorar los resultados de los pacientes. Por lo tanto, la mayor parte de nuestra atención reciente se ha centrado en el procesamiento de lenguaje natural (PLN), un campo que ofrece técnicas establecidas para brindar información sobre los datos de los documentos. La combinación de técnicas de PLN con los términos clínicos de SNOMED produjo nuestra última innovación: el "enlazador de conceptos SNOMED".
La vinculación de conceptos de SNOMED es una técnica de procesamiento de datos desarrollada recientemente. Toma cualquier forma de documento clínico de texto libre como entrada y devuelve una lista de conceptos clínicos identificados. Los conceptos clínicos, como enfermedades, trastornos, procedimientos médicos y otras entidades clínicas, son todos identificables por los términos clínicos de SNOMED. En la búsqueda del procesamiento inteligente de documentos, el análisis de texto y la búsqueda semántica, la vinculación de conceptos de SNOMED es la base para muchos casos de uso nuevos destinados a SmartEHR. La tecnología detrás de esto es bastante compleja, pero su belleza radica en la velocidad de procesamiento y la calidad de los datos recuperados. Al formar un vínculo entre términos y conceptos, lo que permite que una computadora comprenda el contenido del documento, obtenemos una poderosa herramienta para la extracción rápida de datos, que combina millones de conceptos en un instante. Una herramienta de búsqueda funcional que hace que la recuperación de información relevante sea simple y eficiente.
Piense en la solución como una similar a la búsqueda de Google, pero para el dominio médico. Al buscar pacientes con enfermedades pulmonares, entiende que le interesan todos los afectados por, por ejemplo, neumonía, EPOC, tuberculosis u otras, sin tener que especificarlas. Cuando se utiliza como una herramienta de procesamiento de documentos, aplicada a través de análisis de texto, obtiene información y pone los patrones de datos en primer plano. Cuando simplemente busca contexto para la tarea en cuestión o busca información oculta adicional, sus capacidades de búsqueda semántica pueden generar resultados de búsqueda relevantes o pueden usarse para adaptar la interfaz de la aplicación para seguir el flujo de trabajo del usuario. Al extraer conceptos clínicos relacionados con la atención en tiempo real, la tecnología puede guiar los planes de atención del paciente y las decisiones clínicas, haciendo que el proceso sea interactivo. La tecnología también se puede utilizar como una herramienta de control de calidad, ejecutándose en segundo plano, validando los datos del tratamiento, haciendo coincidir los procedimientos con la codificación clínica en los registros de salud del paciente y proporcionando alertas cuando los expertos lo consideren adecuado. Yendo un paso más allá, existe la posibilidad de vincular los datos extraídos con estructuras de datos más avanzadas, como openEHR, lo que hace que la lista de posibilidades sea casi ilimitada. Independientemente de la aplicación, los objetivos principales siguen siendo los mismos: mejorar el flujo de información relevante, mejorar la comunicación y acelerar los procesos clínicos para brindar una mejor atención al paciente.
Los principales beneficiarios de la tecnología clínica deben ser, al igual que la atención al paciente, los pacientes. Al acelerar los procesos clínicos, automatizarlos y reducir el tiempo dedicado a los sistemas clínicos y la administración, nuestro objetivo es que los médicos pasen más tiempo con el paciente. Al optimizar el flujo de trabajo del médico, esperamos mejorar la atención al paciente y, al final, beneficiar al paciente.
La principal ventaja de la tecnología de vinculación de conceptos SNOMED radica en su estructura de datos y su consistencia. Coherencia en diferentes entornos de atención, sistemas e incluso idiomas. No es raro que los médicos cambien de departamento, de hospital y, a veces, incluso de estado. A través de una representación consistente de los datos, los médicos se familiarizan con la información proporcionada y requerida por los sistemas. Por lo tanto, los médicos dedican menos tiempo a adaptarse a los nuevos sistemas y más bien lo dedican a brindar atención al paciente. Al ofrecer a los médicos un flujo de trabajo interactivo, a través de la extracción de datos relevantes para el procedimiento durante el tratamiento, el trabajo de los médicos puede volverse más fácil y eficiente.
|
" Empezamos con un problema. Si se necesita nueva tecnología, nos encargamos de eso; de lo contrario, simplemente resolvemos el problema". - Robert Tovornik, científico de datos |
Nuestro objetivo es proporcionar la tecnología de vinculación del concepto SNOMED como un servicio en la nube para que cualquiera lo use. Actualmente accesible para una audiencia limitada, el servicio está disponible en producción. Los próximos pasos implican integrarlo en los productos existentes de nuestra empresa, brindando una experiencia de historia clínica electrónica enriquecida. Centrados en ayudar a los pacientes ayudando a los médicos y organizaciones de atención médica a brindar una mejor atención al paciente, creemos que es hora de que la tecnología se use de una manera en la que ayude y se ajuste al flujo de trabajo del médico en lugar de interrumpirlo.