使用机器学习医患对话自动制图症状

自动化文书方面的医疗记录通过语音识别病人的访问期间¹可以让医生与患者直接花更多的时间。我们考虑使用机器学习来自动填充的可行性评估系统(ROS)的讨论的所有症状。

我们使用90 000 human-transcribed,鉴定医学遇到前面描述的。²我们随机选择2547初级保健和选择医学附属专业185年接受标签症状由抄写员。其余的用于非监督培训我们的模型,一个递归神经网络^3,4常用的语言理解。之前我们报道的模型细节。⁵

因为一些提到的症状是ROS无关(如医生提及“恶心”作为可能的不利影响),抄写员分配每个症状提到的ROS的相关性,定义为直接关系到病人的经验。文士还表示,如果症状是否有经验。总共有2547标记记录被随机分成训练(2091[80%])和测试(456 [20%])。

从测试集,我们选择800片段包含至少1的16个常见症状包括活性氧,并要求2文士独立评估可能会包括ROS的最初症状标记。当均表示“极有可能”我们定义这个“明显提到”症状。提到其他症状被认为是“不清楚”。

机器学习模型的输入是一个滑动窗口的对话(片段),和它的输出是每个症状所提到的,它的相关性,如果病人有经验。我们评估了敏感性和阳性预测值价值,在整个测试集。我们另外计算的敏感性识别症状和正确的文档的准确性,显然在vs约定提到的症状。的图概述了研究设计。这项研究是免除制度审查委员会批准,因为回顾鉴定性质的数据集和这个手稿的片段合成片段模仿真正的口语模式,但不从原始数据集和不包含数据来源于实际的病人。

在测试设置中,有5970提到症状。这些5970年、4730年(79.3%)与ROS和3510年(74.2%)有经验。

整个测试集模型识别症状的敏感性为67.7%(5172/7637),阳性预测值的预测症状为80.6% (5172/6417)。我们展示的片段和模型预测的例子表。

从800年人类的片段,略低于一半的症状提到很清楚(387/800[48.4%]),与评级机构之间公平的协议可能包括一个症状最初标记ROS(κ= 0.32,P<措施)。明确提到症状模型的敏感性为92.2% (357/387)。不清楚的,67.8% (280/413)。

模型以准确document-meaning正确识别症状,注意正确分类的相关性,和转让或不是在87.9%(340/387)的症状明显提到和60.0%(248/413)的约定。

先前讨论的autocharting理所当然的是,同样的技术,工作在我们的智能手机将在临床实践工作。通过这种技术适应的过程,一个简单的ROS autocharting任务,我们报告的一个关键挑战不是先前认为:大部分症状是含糊地提到的,这样,即使人类文士如何文档不一致。令人鼓舞的是,该模型明确提到的症状表现良好,但其性能显著下降不提到的。解决这个问题需要精确,虽然不一定行话沉重,沟通。进一步的研究将需要协助临床医生更有意义的任务,比如记录现病史。

通讯作者:艾尔文Rajkomar博士,1600年谷歌LLC圆形剧场Pkwy, CA 94043(山景城alvinrajkomar@google.com)。

发表:2018年12月8日。

网上发表:2019年3月25日。doi:10.1001 / jamainternmed.2018.8558

开放:这篇文章发表在JN-OA许可证和是免费阅读的出版物。

作者的贡献:Rajkomar博士已经完全访问所有数据的研究,负责数据的完整性和数据分析的准确性。

研究概念和设计:所有作者。

数据的采集、分析或解释:Vardoulakis Rajkomar Kannan, Chen,心爱的人。

起草的手稿:陈,Kannan Rajkomar Vardoulakis。

关键的修订手稿的重要知识内容:Rajkomar Kannan,陈,周、崔院长。

统计分析:Vardoulakis Rajkomar Kannan,陈。

获得资助:周。

行政、技术或材料支持:周。

研究监督:Rajkomar,周、崔院长。

利益冲突的披露:所有的作者都受雇于谷歌自己的股票。此外,作为广泛的股票投资组合的一部分,想要镜子美国及国际股票市场(例如,摩根士丹利资本国际所有国家世界,罗素3000),杰夫院长持有个股在许多上市公司在医疗保健和药理领域,也还有投资管理基金,投资于这些公司,有限合伙人以及直接风险投资在这些行业经营的私营企业。其他医疗卫生相关的投资是由独立的第三方(机构经理)和杰夫院长没有直接接触,谁杰夫院长没有控制。作者有一个专利申请中描述的机器学习工具。没有其他冲突的报道。

额外的贡献:我们感谢凯瑟琳粗糙博士和米拉哈特,博士,有用的讨论的手稿;迈克·皮尔森MBA,肯•苏MBA, MBH,霞公主威德纳,MS,数据收集;戴安娜Jaunzeikare,英航,克里斯公司博士丹尼尔谢霆锋,医学博士和尼娜冈萨雷斯,医学博士,标签;灵Tran博士南杜博士,我家Chen博士Yonghui Wu博士,凯尔朔尔茨,BS, Izhak夏弗兰,博士,帕特里克•阮博士中正赵,博士,铁锋Chen博士帮助讨论建模;和丽贝卡·罗尔夫,MSc,插图。所有人都在谷歌工作。他们不是正常职责以外的补偿他们的贡献。