机器学习中的自然言语处理在医疗保健中的运用

对于许多医疗保健提供者而言，该行业正在逐渐构成越来越多的监管成绩，金融动荡以及在叛乱边缘从业者不可预料的愤慨迸发的困境。该行业如今正应用机会扩展其大数据防御才能，并开发应对火烧眉毛的应战所需的技术基础架构。

但是，要想弄清楚该过程中搜集到的数据的斗争能够会持续很多年。由于医疗保健系统已末尾采用尖端技术，因此在孤岛中搜集了大量数据。医疗保健组织希望对流程停止数字化，但又不要不必要地毁坏已建立的临床工作流程。因此，我们如今有多达80％的数据是非结构化的且质量较差。经过自然言语处理在医疗保健中的各种运用，这给我们带来了医疗保健范畴数据提取和应用的相关应战。

像明天这样的数据，再加上人类阅读和重新格式化所需求的工夫和精神，是无法运用的。因此，由于数据的方式，我们尚无法经过分析在医疗保健方面做出有效的决策。因此，随着我们从按服务付费医疗保健形式向基于价值的医疗保健转变，迫切需求应用这些非结构化数据。

这是可以进入人工智能子类别的自然言语处理的地方。基于NLP的聊天机器人曾经具有很好地，真正地模拟人类行为并执行众多义务的功能。假如要在更大的用例（例如医院）上完成相反的功能，可以将其用于解析信息并提取关键数据串，从而为我们提供了应用非结构化数据的机会。

经过自动执行质量报告和创建患者注册表，这种扩大可以为医疗保健组织节省宝贵的金钱和工夫。让我们讨论自然言语处理在医疗保健中的各种运用及其对行业的潜在好处。

研讨显示，医疗保健中的自然言语处理估计将从2016年的1.0302亿美元增长到2021年的2.602亿美元，在预测期内的复合年增长率为20.8％。

NLP是AI的一个分支，其次要目的是延长人与机器之间的间隔。随着它末尾在医疗保健范畴越来越遭到关注，提供者正在集中精神开发可以了解，分析和生成人类可以了解的言语的处理方案。

进一步需求可以自动呼应来自患者和医疗保健用户的查询的语音辨认系统。NLP在医疗保健范畴还有许多运用，如下所述:

处理临床数据激增

患者病历系统的运用日益添加以及医学的数字化转型已导致医疗机构可​​获得的数据量激增。充分应用这些数据并获得可信的见解的需求恰恰是次要驱动力。

支持基于价值的护理和人口健康管理

业务模型和结果希冀的转变推进了对更好地运用非结构化数据的需求。传统的健康信息系统不断专注于经过临床渠道以结构化格式从20％的医疗数据中获取价值。

对于高级患者健康记录系统，管理式医疗，PHM运用程序以及分析和报告，迫切需求应用非结构化信息库，这些信息只会与医疗保健组织堆积在一同。

医疗保健范畴的NLP可以经过许多用例处理这些应战。让我们探求其中的几个：

改善临床记录 –电子病历处理方案通常具有复杂的结构，因此在其中记录数据非常费事。借助语音到文本的命令，可以在护理时自动捕获数据，从而使医生摆脱了记录护理提供状况的繁琐义务。

提高CAC的效率 –运用NLP可以以多种方式改善计算机辅助编码。CAC提取有关过程的信息，以捕获代码并最大化索赔。这可以真正协助HCO从按服务付费向基于价值的形式转变，从而显着改善患者体验。

经过EHR改善患者与提供者的互动

这个时代的患者需求医疗保健人员的竭尽全力。这使医生感到不知所措，精疲力尽，由于他们必须提供个性化服务，同时还要管理繁重的文档。

研讨表明，大多数护理专业人员在工作场所阅历倦怠感。将自然言语处理与电子病历系统集成在一同，将有助于减轻医生的工作量并使分析愈加容易。Siri，Cortana和Alexa等虚拟助手曾经进入医疗保健组织，充当行政辅助工具，协助完成客户服务义务和服务台职责。

不久，医疗保健范畴的NLP能够使虚拟助手作为订购助手或医嘱的角色跨入医疗保健行业的临床范畴。

赋予患者健康素养

随着对话的AI曾经成为医疗空间内的成功，一个关键的用例，实施这一技术的优点是可以协助患者了解其症状，并获得他们的条件，更多的知识。经过愈加了解本人的健康状况，患者可以做出明智的决议，并经过与智能聊天机器人停止交互来保持本人的健康。

在2017年的一项研讨中，研讨人员运用NLP处理方案将文档中的临床术语与内行言语的对应词停止婚配。经过这样做，他们旨在提高患者对EHR的了解和患者门户体验。医疗保健中的自然言语处理可以加强患者对EHR门户的了解，从而提供机会使他们愈加了解本人的健康状况。

满足更高医疗保健质量的需求

NLP可以经过衡量医生的表现并确定医疗服务的差距来评价和改善医疗质量，从而成为抢先者。

研讨表明，医疗保健中的人工智能可以简化医师评价过程并使患者诊断自动化，从而减少了执行诸如患者诊断之类的常规义务所需的工夫和人力。医疗保健中的NLP还可以辨认并减轻医疗服务交付中的潜在错误。一项研讨表明，自然言语处理还可以用于衡量医疗保健的质量并监控对临床指南的遵守状况。

确定需求改善护理的患者

机器学习和NLP工具具有检测具有心思健康或药物滥用史并需求改善护理的复杂健康状况患者所需的功能。诸如粮食不安全和住房不波动之类的要素会妨碍治疗方案，从而迫使这些患者终生承担更多的费用。

患者的社会地位和人口统计学数据通常比其临床信息更难定位，由于它通常是非结构化格式。NLP可以协助处理此成绩。NLP还可以用于改善与行为健康状况患者的护理协调。自然言语处理和机器学习都可以用来发掘患者数据，并检测有能够在医疗系统中任何空白的风险的数据。

由于医疗保健行业会生成结构化和非结构化数据，因此对于医疗保健组织来说，在医疗保健中实施NLP之前要同时完善这两者至关重要。

NLP集成将如何使医疗保健受益？

经过将共享文本转换为标准化数据，医疗保健行业中的自然言语处理可以协助提高EHR的准确性和残缺性。经过允许护理人员在NLP将笔记变成记录的数据时口述笔记，这也可以使记录变得更容易。

计算机辅助编码是NLP在医疗保健范畴的另一个出色优势。对于在临床档案中添加重要细节和引入特异性的成绩，它可以看作是灵丹妙药。对于需求针对高度复杂患者成绩的即时处理方案的提供商，NLP可用于决策支持。IBM Watson是医疗保健中常常提及的NLP实例和缩影。它对学术文献有着浓重的兴味，并且在精准医学和癌症治疗的临床决策支持方面拥有越来越多的专业知识。2014年，IBM Watson被用来研讨如何运用NLP和机器学习来标记心脏病患者并协助临床医生迈出医疗服务的第一步。

将自然言语处理算法运用于患者数据，并从病历中的注释中自动检测出一些风险要素。由于医疗保健范畴的数据爆炸式增长，不只触及基因组，而且触及其他一切方面，因此该行业需求找到从中提取相关信息并将其整合在一同的最佳方法，以协助临床医生根据理想和见解做出决策。

医疗保健中自然言语处理的将来是什么样的

医疗保健范畴的NLP照旧不尽人意，但是该行业情愿努力获得提高。语义大数据分析和认知计算项目曾经在NLP中奠定了基础，并且曾经从一些知名企业那里获得了对医疗保健的大量投资。

结合市场研讨公司预测，到2020年，认知计算市场的价值将达到 137亿美元。该公司估计，到2020年，文本分析的支出将达到65亿美元。最终，自然言语处理工具能够可以弥合每天生成的医疗保健中不可克制的数据量与人脑有限的认知才能之间的差距。

NLP已在医疗保健范畴找到了运用，从精细医学运用中最先进的处理方案到为报销或计费的索赔编写代码的简单工作。假如该技术得以完成，它将对医疗保健行业产生广泛而广泛的影响。但是，成功引入该技术的关键将是开发智能，准确且特定于行业基本成绩的算法。NLP必须满足数据提取和数据表示的双重目的，以便患者可以根据本人的了解准确记录其健康状况。假如发生这种状况，我们就不会在医疗保健范畴看到提高身体效率的妨碍。

总而言之，医疗保健中的自然言语处理可以很好地，真正地补偿每天生成的大量数据与人脑有限的认知才能之间的差距。从最前沿的运用程序到编写计费和报销索赔的简单义务，医疗保健范畴的NLP都具有有限的潜力将数据和流程从负担变为无用。

传说中的沙发？？？哇卡卡

回个帖子，下班咯~

高手云集 果断围观