Des outils d’intelligence artificielle détectent rapidement les signes d’utilisation de drogues injectables dans les dossiers médicaux des patients

Un processus automatisé qui combine le traitement du langage naturel et l’apprentissage automatique a identifié les personnes qui s’injectent des drogues (PWID) dans les dossiers de santé électroniques plus rapidement et plus précisément que les méthodes actuelles qui reposent sur des examens manuels des dossiers.

Actuellement, les personnes qui s’injectent des drogues sont identifiées grâce aux codes de la Classification internationale des maladies (CIM) qui sont spécifiés dans les santé électronique enregistrés par les prestataires de soins de santé ou extraits de ces notes par des codeurs humains formés qui les examinent à des fins de facturation. Mais il n’y a pas de code CIM spécifique pour usage de drogues injectablesles fournisseurs et les codeurs doivent donc s’appuyer sur une combinaison de codes non spécifiques comme proxy pour identifier les PWID, une approche lente qui peut entraîner des inexactitudes.

Les chercheurs ont examiné manuellement 1 000 dossiers de 2003 à 2014 de personnes admises dans les hôpitaux de l’Administration des anciens combattants avec une bactériémie à Staphylococcus aureus, une infection courante qui se développe lorsque la bactérie pénètre dans les ouvertures de la peau, comme celles des sites d’injection. Ils ont ensuite développé et entraîné des algorithmes utilisant traitement du langage naturel et l’apprentissage automatique et les ont comparés avec 11 combinaisons de proxy de codes ICD pour identifier les PWID.

Les limites de l’étude comprennent une documentation potentiellement médiocre par les prestataires. De plus, l’ensemble de données utilisé va de 2003 à 2014, mais l’épidémie de consommation de drogues injectables est depuis passée de opioïdes sur ordonnance et l’héroïne aux opioïdes synthétiques comme le fentanyl, que l’algorithme peut manquer car l’ensemble de données où il a appris la classification ne contient pas beaucoup d’exemples de cette drogue. Enfin, les résultats peuvent ne pas s’appliquer à d’autres circonstances étant donné qu’ils sont entièrement basés sur des données de l’Administration des anciens combattants.

L’utilisation de ce modèle d’intelligence artificielle accélère considérablement le processus d’identification des PWID, ce qui pourrait améliorer la prise de décision clinique, la recherche sur les services de santé et la surveillance administrative.

“En utilisant le traitement du langage naturel et apprentissage automatiquenous avons pu identifier les personnes qui s’injectent des drogues dans des milliers de notes en quelques minutes par rapport à plusieurs semaines qu’il faudrait à un examinateur manuel pour le faire », a déclaré l’auteur principal, le Dr David Goodman-Meza, professeur adjoint de médecine dans la division des maladies infectieuses à la David Geffen School of Medicine de l’UCLA. “Cela permettrait systèmes de santé pour identifier les PWID afin de mieux allouer les ressources comme les programmes de services de seringues et le traitement de la toxicomanie et de la santé mentale pour les personnes qui consomment des drogues.

L’étude est publiée dans la revue à comité de lecture Forum ouvert sur les maladies infectieuses.