La nueva concesión de NIH podía ayudar a desarrollar la herramienta nueva para analizar datos no estructurados en partes de seguro

Los partes que los desvíos médicos son la tercera causa de la muerte de cabeza en los Estados Unidos han llevado el instituto del remedio y varias legislaturas estatales a sugerir que los datos de sistemas de información pacientes de la acción del seguro podrían ayudar a proveedores de asistencia sanitaria mejor a entender peligros de seguro y, para perfeccionar final atención a los pacientes.

“Decenas de miles de estas bases de datos del parte de seguro ofrecen un campo del texto libre que no obligue al reportero a las categorías fijas, predefinidas.

Srijan Sengupta, profesor adjunto de estadísticas en la universidad de la ciencia y miembro del profesorado en el Analytics del descubrimiento centra

Sengupta ha recibido un proyecto de investigación $815.218 Grant (R01) de los institutos de la salud nacionales para desarrollar métodos estadísticos nuevos para analizar tales datos no estructurados en partes de seguro.

“Información detallada que atraviesa categorías múltiples puede ser más valiosa que determinando una acción apenas verificando de una categoría,” él dijo.

Por ejemplo, en un campo del texto libre fue denunciado que un paciente era premedication prescrito administrado antes de un MRI programado pero, debido a un miscommunication sobre el plan de acción de transporte, no fue puesto en la tabla de MRI hasta una hora completa más adelante. En ese momento ella era incómoda y probada salir del analizador. El técnico envió al paciente de nuevo a su sitio dado las condiciones económicas. Sobre el aprendizaje sobre esta cadena de acciones, su familia expresó su creencia que su comportamiento era debido a la medicación que desaparecía.

En un campo estructurado del texto, esta situación sería clasificada simple como acción de la “diagnosis/de la proyección de imagen”, Sengupta dijo, pero, en analizar el texto libre, hay varios otros factores que contribuyen, incluyendo la medicación y la comunicación, que también necesitarían la mejoría para un resultado más favorable.

“Determinar tendencias y configuraciones temporales en datos no estructurados es determinado importante para perfeccionar seguro paciente y atención a los pacientes,” Sengupta dijo. “Qué puede parecer como un peligro infrecuente en un hospital puede ser parte de una tendencia nacional más amplia cuando está vista a través de los sistemas sanitarios. Usando nuestros algoritmos analizar efectivo documentos de sistemas de información tiene el potencial de perfeccionar dramáticamente el seguro y la calidad del cuidado exponiendo debilidades posibles en el proceso del cuidado.”

Sengupta dijo que los emplear financiados de este proyecto su investigación existente sobre análisis de red social, el control de procesos operativos estadístico, y la detección de la anomalía.

La concesión también está permitiendo una oportunidad para dos mayores en la tecnología de Virginia majoring en analytics de cómputo del modelado y de los datos, Cameron Bissell y Raghav Sawhney, a trabajar con Sengupta en la aplicación de analytics y de análisis del texto para encontrar lazos en los datos dados.

“Puesto que estoy considerando una carrera en ciencia de los datos y en remedio, creo que esta investigación es una gran manera para que gane experiencia en ciencia de los datos y también ofrece discernimiento valioso en el campo médico,” dijo Bissell.

El “trabajo con profesor Sengupta en este proyecto me está dando una oportunidad de aplicar las técnicas de aprendizaje de máquina que he aprendido en clase a los usos de la vida real y solución de problemas,” dijo a Sawhney, que está proyectando continuar con la investigación en el campo del aprendizaje de máquina.

Para el proyecto de tres años, que comenzó el 1 de agosto de 2019, Sengupta partnering con Raj Ratwani, director del centro nacional de la salud de MedStar para los factores humanos en atención sanitaria y profesor adjunto en la Facultad de Medicina de la universidad de Georgetown, y Allan Fong, científico de la investigación con el centro.

El centro de los factores humanos de la salud de MedStar está contribuyendo su experiencia en el aprendizaje de máquina y conocimiento de tramitación y que ofrece de lenguaje natural del dominio en seguro paciente, en las bases de datos de la información que se pueden utilizar para determinar tendencias y configuraciones del seguro, y en cómo los proveedores de asistencia sanitaria pueden utilizar los rendimientos de esta concesión para perfeccionar su seguro.

Ratwani dijo que decenas de miles de cuestiones de seguridad están denunciadas al FDA pero la mayoría de los proveedores de asistencia sanitaria están inconscientes de ellas porque los no analizan y no se presentan de una manera que los proveedores de asistencia sanitaria puedan utilizar en la práctica. Como consecuencia, los proveedores de asistencia sanitaria de los E.E.U.U. pueden continuar utilizar las tecnologías y los procesos que se han denunciado ya al FDA como teniendo entregas potenciales que podrían resultar daño el hospitalizado.

“Esta investigación es crítica a determinar configuraciones en los datos denunciados y los datos que giran en el conocimiento que el proveedor de asistencia sanitaria puede entonces utilizar para fijar el seguro de sus tecnologías y procesos y para desarrollar acciones e intervenciones para evitar que a los pacientes dañen peligros reconocidos,” dijo a Ratwani.

“Liberando el software libre que habilitará a otros médicos en público y los sistemas sanitarios privados para ejecutar nuestros métodos en sus propios grupos de datos propietarios serán uno de los resultados más importantes de nuestra investigación,” dijo a Sengupta.