Fujitsu aplica una innovadora tecnología AI Text Mining para automatizar la codificación de notas médicas

En el Fujitsu Innovation Gathering que se celebra hoy en Londres, Fujitsu Laboratories of Europe ha anunciado una nueva tecnología de IA que mejora la gestión del registro electrónico de salud (EHR, siglas en inglés), automatizando el procesamiento de notas médicas no estructuradas (texto libre) y logrando ahorros de tiempo de más del 90%, con una precisión significativamente mejorada. Para garantizar el cumplimiento de las clasificaciones médicas obligatorias, la nueva solución de codificación médica automatizada de la multinacional, extrae las anotaciones en menos de 1 minuto, en comparación con los 15 minutos requeridos para la anotación manual de notas clínicas. A diferencia de las tecnologías de generación anterior, esta nueva tecnología combina el conocimiento semántico y el procesamiento del lenguaje natural (NLP siglas en inglés), con el aprendizaje profundo para analizar notas médicas y extraer datos valiosos.

Fujitsu Laboratories of Europe trabaja en estrecha colaboración con partners innovadores dentro del sector de la salud, incluyendo el hospital clínico San Carlos de Madrid, con el que lleva desarrollando proyectos clínicos exitosos durante los últimos 4 años. El Dr. Julio Mayol, Director Médico del Hospital, explica la importancia de este enfoque de co-creación desde una perspectiva médica: “Buscamos constantemente nuevas formas de mejorar la toma de decisiones clínicas y nuestro trabajo con Fujitsu Laboratories of Europe nos está ayudando a realizar avances importantes para mejorar la eficiencia. La mayoría de los sistemas de EHR disponibles en la actualidad no cumplen con los requisitos de la relación médico / paciente. De hecho, el uso de EHR se ha asociado directamente al agotamiento clínico, como lo demuestran varios estudios. Con las nuevas tecnologías, como esta última de Fujitsu, AI text mining, podemos abordar estos desafíos directamente y lograr mejoras tangibles en el proceso de toma de decisiones clínicas...".

El CEO de Fujitsu Laboratories of Europe, el Dr Adel Rouz, añade: "Nuestra estrategia de creación conjunta con socios como el Hospital Clínico San Carlos nos ha proporcionado un conocimiento importante ante los desafíos a los que se enfrenta el sector de la salud, en particular en términos de apoyo a la decisión clínica. Hemos logrado crear una serie de innovaciones importantes que ya están marcando una diferencia en el flujo de trabajo de los profesionales médicos. Este último avance es otro paso, que ayuda a mejorar la precisión de los datos clínicos y automatiza su digitalización para hospitales, compañías de seguros médicos y agencias gubernamentales. Creemos que nuestra tecnología tiene aplicaciones más amplias y se puede adaptar fácilmente para resolver desafíos similares en otros dominios, como seguros, legales y de cumplimiento".

La información estructurada juega un papel esencial en la toma de decisiones médicas y en la mejora de la prestación de asistencia sanitaria. Sin embargo, como los médicos se enfrentan a un tiempo de paciente significativamente menor, el requisito de ingreso inmediato de datos a los sistemas de EHR representa una carga adicional importante. Al permitir métodos de ingreso de datos más flexibles, como la narrativa de texto libre asociada con un informe del paciente, esta sobrecarga se puede reducir, mientras que permite a los médicos registrar datos de pacientes más útiles y apropiados. Usando las probadas técnicas de NLP, la solución realizada en colaboración entre Fujitsu Laboratories y Fujitsu Laboratories of Europe se destina directamente a esta necesidad, ya que extrae automáticamente la información estructurada requerida por el sistema EHR del texto narrativo y libre de los médicos. Usando Deep Learning, la solución puede volver a capacitarse para satisfacer las necesidades individuales de un médico, permitiendo una flexibilidad adicional, en comparación con las limitaciones asociadas, especialmente por las complejas reglas lingüísticas utilizadas por muchos sistemas de codificación existentes, para identificar los términos correctos del texto libre. El resultado es un alto grado de precisión, combinado con la capacidad de extraer una sección transversal más amplia de términos relevantes que sólo los Códigos de la Clasificación Estadística Internacional de Enfermedades y Problemas de Salud Relacionados (ICD, siglas en inglés), relacionados con la adherencia al tratamiento o a los datos bajo antecedentes sociales.

La solución de salud AI Text Mining de Fujitsu, explota la extracción del texto junto con técnicas de Deep Learning en pasos concretos del flujo de trabajo de codificación médica, evitando la dependencia de enormes conjuntos de datos pre-anotados. Y en este sentido, el enfoque de Fujitsu comprende dos componentes clave:

• Creación de una base de conocimiento: un gráfico que está diseñado para representar las clasificaciones médicas y enriquecerse semánticamente con recursos externos. Este enriquecimiento semántico proporciona un contexto adicional a las clasificaciones médicas, lo que se traduce en mejores resultados en las etapas sucesivas del proceso. Las ontologías y las técnicas de inserción de palabras se utilizan para el enriquecimiento semántico.

• Reconocimiento y asignación: implica un proceso de reconocimiento de términos médicos que utiliza Deep Learning, seguido de la definición de fórmulas de clasificación de puntuación para calcular la posible codificación de las notas clínicas de entrada.

La tecnología de IA de Fujitsu se evaluó en dos conjuntos de datos en inglés, con 200 notas clínicas anónimas privadas y 5000 resúmenes de descargas extraídos del recurso MIMIC-III. Un beneficio adicional de la tecnología de Fujitsu es que es fácilmente adaptable a cualquier clasificación médica o a otros idiomas, y no requiere enormes conjuntos de datos pre-anotados.

------------------------------------------------------------------------------
MIMIC-III es una base de datos clínica disponible públicamente y un estándar de referencia actual para la evaluación comparativa de este tipo de problemas en la comunidad de Salud. MIMIC-III incluye datos no identificados de salud de las Critical Care Units of the Beth Israel Deaconess Medical Center entre 2001 y 2012. Esto incluye una amplia gama de datos como los demográficos, mediciones de signos vitales, pruebas de laboratorio, notas clínicas, etc.
------------------------------------------------------------------------------

Al mejorar la exactitud y precisión del proceso de codificación médica, la tecnología de Fujitsu contribuye a la realización de resultados estandarizados y ofrece ahorros de tiempo para los profesionales. La información procesada y anotada se utiliza para la planificación de políticas por parte de las agencias gubernamentales, la investigación médica para mejorar el tratamiento médico, el establecimiento de precios por parte de las compañías de seguros, así como el diagnóstico y tratamiento por los médicos. La nueva solución de la multinacional se aplicará en el programa de investigación en colaboración con el Centro de Innovación de San Carlos durante 2019.