ဒေတာ မှတ်ချက်- NER
Clinical NLP များအတွက်အမည်ခံ Entity အသိအမှတ်ပြု (NER) မှတ်ချက်
ကျန်းမာရေးစောင့်ရှောက်မှု API ၏နောက်ဗားရှင်းကိုတည်ဆောက်ရန် လေ့ကျင့်/တီထွင်ရန် ကောင်းမွန်သောမှတ်စုများ နှင့် Gold Standard ဆေးဘက်ဆိုင်ရာစာသားဒေတာ
ဆေးဘက်ဆိုင်ရာသဘာဝဘာသာစကားလုပ်ဆောင်ခြင်း (NLP) ၏အရေးပါမှုကိုလွန်ခဲ့သောနှစ်များတစ်လျှောက်တွင်ပိုမိုအသိအမှတ်ပြုလာခဲ့ပြီးအသွင်ပြောင်းတိုးတက်မှုများကိုဖြစ်ပေါ်စေခဲ့သည်။ Clinical NLP သည် လူနာတစ်ဦးအား ဆရာဝန်တစ်ဦး၏ ရေးသားခွဲခြမ်းစိတ်ဖြာမှုနောက်ကွယ်တွင် တည်ရှိနေသော ကြွယ်ဝသောအဓိပ္ပါယ်ကို ကွန်ပျူတာများကို နားလည်နိုင်စေပါသည်။ Clinical NLP တွင် လူဦးရေကျန်းမာရေး ခွဲခြမ်းစိတ်ဖြာမှုမှ လက်တွေ့စာရွက်စာတမ်းများတွင် တိုးတက်ကောင်းမွန်မှုအထိ စကားပြောအသိအမှတ်ပြုမှုအထိ လက်တွေ့စမ်းသပ်မှု ကိုက်ညီမှု စသည်တို့အထိ အမျိုးမျိုးသော အသုံးပြုမှုကိစ္စများ ရှိနိုင်ပါသည်။
မည်သည့် ဆေးခန်းသုံး NLP မော်ဒယ်များကိုမဆို ပြုစုပျိုးထောင်လေ့ကျင့်ရန်၊ သင်သည် တိကျသော၊ ဘက်မလိုက်ဘဲ၊ အလွန်ကြီးမားသော ပမာဏများထဲတွင် တိကျသော၊ ဘက်မလိုက်ဘဲ၊ ကောင်းစွာမှတ်သားထားသော ဒေတာအတွဲများ လိုအပ်ပါသည်။ Gold Standard နှင့် မတူကွဲပြားသောဒေတာများသည် NLP အင်ဂျင်များကို တိကျမှုနှင့် ပြန်လည်သိမ်းဆည်းရာတွင် အထောက်အကူဖြစ်စေသည်။
Volume ကို
စိန်ခေါ်မှုများ
client သည် ၎င်းတို့၏ Natural Language Processing (NLP) Platform ကို entity အမျိုးအစားအသစ်များဖြင့် လေ့ကျင့်သင်ကြားပေးပြီး အမျိုးအစားအမျိုးမျိုးကြားတွင် ဆက်စပ်မှုကိုလည်း ရှာဖွေဖော်ထုတ်ရန် မျှော်လင့်နေသည်။ ထို့အပြင်၊ ၎င်းတို့သည် မြင့်မားသောတိကျမှု၊ ဒေသန္တရဥပဒေများကို လိုက်နာကာ ဒေတာအစုအဝေးကို မှတ်သားရန် လိုအပ်သော ဆေးဘက်ဆိုင်ရာ အသိပညာရှိထားသည့် ရောင်းချသူများကို အကဲဖြတ်နေပါသည်။
လုပ်ငန်းတာဝန်မှာ အတွင်းလူနာနှင့် ပြင်ပလူနာ အီလက်ထရွန်နစ်ကျန်းမာရေးမှတ်တမ်း (EHR) ဒေတာမှ တံဆိပ်တပ်ထားသော မှတ်တမ်းပေါင်း 20,000 အထိ တံဆိပ်တပ်ထားသော မှတ်တမ်း 15,000 အထိ တံဆိပ်တပ်မှတ်သား မှတ်သားမှတ်သားရန်နှင့် (5,000) ပထဝီဝင်ဆိုင်ရာ သက်သေပြချက်များနှင့် (1) ပထဝီဝင်ဆိုင်ရာ အထောက်အထားများ နှင့် (2)၊ XNUMX) ရရှိနိုင်သောဆေးဘက်ဆိုင်ရာအထူးပြု။
ထို့ကြောင့် စိန်ခေါ်မှုများကို အကျဉ်းချုပ်ပြောရလျှင်-
- NLP ပလပ်ဖောင်းကိုလေ့ကျင့်ရန် ကွဲပြားသောလက်တွေ့ဒေတာများကို စုစည်းပါ။
- အရေးကြီးသောအချက်အလက်များကိုရရှိရန် မတူညီသောအဖွဲ့အစည်းများအကြား ဆက်စပ်မှုကို ခွဲခြားသတ်မှတ်ပါ။
- ကျယ်ပြန့်ရှုပ်ထွေးသော ဆေးခန်းစာရွက်စာတမ်းများကို အညွှန်း/မှတ်သားရန် စွမ်းရည်နှင့် ကျွမ်းကျင်မှု
- သတ်မှတ်ထားသောအချိန်ဘောင်အတွင်း ဆေးခန်း NLP ကို လေ့ကျင့်ရန် ဒေတာပမာဏ အများအပြားကို အညွှန်း/မှတ်သားရန် ကုန်ကျစရိတ်ကို ထိန်းချုပ်ခြင်း
- 75% EHR နှင့် 25% Dictation မှတ်တမ်းများ ပါ၀င်သော ဆေးခန်းဒေတာအစုံတွင် အကြောင်းအရာများကို မှတ်သားပါ။
- ပေးပို့ချိန်တွင် Data De-identification
သဘာဝဘာသာစကားနားလည်မှုတွင် အခြားသောစိန်ခေါ်မှုများ
စကားလုံးများသည် ထူးခြားသော်လည်း lexical၊ syntactic နှင့် semantic အဆင့်များတွင် မရှင်းလင်းသော ဖြစ်ပေါ်လာသော စကားစပ်ပေါ်မူတည်၍ ကွဲပြားသော အဓိပ္ပါယ်များ ရှိနိုင်ပါသည်။
တူညီသော တူညီသော အယူအဆကို တူညီသော ဝေါဟာရများဖြင့် ဖော်ပြနိုင်သည်- အရာဝတ္ထုတစ်ခုကို ဖော်ပြသောအခါ ကြီးသည်နှင့် ကြီးသည် တူညီသည်။
စာသားတစ်ခုရှိ တူညီသည့်အရာအား ရည်ညွှန်းသည့် အသုံးအနှုန်းအားလုံးကို ရှာဖွေခြင်းလုပ်ငန်းစဉ်ကို coreference resolution ဟုခေါ်သည်။
စကားပြောသူ၏ ကိုယ်ရည်ကိုယ်သွေး၊ ၎င်းတို့၏ စိတ်ဆန္ဒနှင့် စိတ်ခံစားမှုအပေါ် မူတည်၍ တူညီသော အယူအဆအတွက် ကွဲပြားစွာ ဖော်ပြနိုင်သည်။
ဖြေရှင်းချက်
ဆေးဘက်ဆိုင်ရာ အချက်အလက်နှင့် အသိပညာ ပမာဏ အများအပြားကို ဆေးဘက်ဆိုင်ရာ စာရွက်စာတမ်းပုံစံဖြင့် ရနိုင်သော်လည်း ၎င်းကို အဓိကအားဖြင့် ဖွဲ့စည်းတည်ဆောက်ပုံမထားသော ဖော်မတ်တစ်ခုဖြစ်သည်။ ဆေးဘက်ဆိုင်ရာအဖွဲ့အစည်း မှတ်ချက်/အမည်ပေးထားသည့် အဖွဲ့အစည်းအသိအမှတ်ပြု (NER) မှတ်ချက်ဖြင့်၊ Shaip သည် မတူညီသော ဆေးခန်းမှတ်တမ်းအမျိုးအစားများမှ အသုံးဝင်သော အချက်အလက်များကို မှတ်သားထားခြင်းဖြင့် ဖွဲ့စည်းတည်ဆောက်ပုံမထားသောဒေတာကို ဖွဲ့စည်းတည်ဆောက်ပုံပုံစံသို့ ပြောင်းလဲနိုင်ခဲ့သည်။ အဖွဲ့အစည်းများကို ဖော်ထုတ်ပြီးသည်နှင့် ၎င်းတို့အကြား ဆက်စပ်မှုကိုလည်း အရေးကြီးသော အချက်အလက်များကို ဖော်ထုတ်ရန် မြေပုံဆွဲထားသည်။
လုပ်ငန်းနယ်ပယ်- ကျန်းမာရေးစောင့်ရှောက်မှု အဖွဲ့အစည်း ဖော်ပြချက် မှတ်ချက်
9 Entity အမျိုးအစားများ
- ကျန်းမာရေးအခြေအနေ
- ဆေးဘက်ဆိုင်ရာလုပ်ထုံးလုပ်နည်း
- ခန္ဓာဗေဒဖွဲ့စည်းပုံ
- ဆေးဝါး
- ဆေးဖက်ဆိုင်ရာကိရိယာ
- ခန္ဓာကိုယ်အတိုင်းအတာ
- ပစ္စည်းဥစ္စာကိုအလွဲသုံးစားမှု
- ဓာတ်ခွဲခန်းဒေတာ
- ခန္ဓာကိုယ်လုပ်ဆောင်ချက်
17 ပြုပြင်မွမ်းမံမှုများ
- ဆေးဝါးမွမ်းမံမှုများ- ခွန်အား၊ ယူနစ်၊ ဆေးပမာဏ၊ မှ၊ အကြိမ်ရေ၊ လမ်းကြောင်း၊ ကြာချိန်၊ အခြေအနေ
- ကိုယ်ထည်အတိုင်းအတာ ပြုပြင်မွမ်းမံမှုများ- တန်ဖိုး၊ ယူနစ်၊ ရလဒ်
- Procedure Modifiers- နည်းလမ်း
• ဓာတ်ခွဲခန်းဒေတာမွမ်းမံမှု- ဓာတ်ခွဲတန်ဖိုး၊ ဓာတ်ခွဲခန်းယူနစ်၊ ဓာတ်ခွဲခန်းရလဒ် - ပြင်းထန်မှု
- လုပ်ထုံးလုပ်နည်းရလဒ်
27 ဆက်ဆံရေးနှင့် လူနာအခြေအနေ
အကျိုး
မှတ်သားထားသည့်ဒေတာကို Client ၏ကျန်းမာရေးစောင့်ရှောက်မှု API ၏နောက်ဗားရှင်းတွင်ထည့်သွင်းမည့် Client ၏လက်တွေ့ NLP ပလပ်ဖောင်းကို ဖွံ့ဖြိုးတိုးတက်ရန်နှင့် လေ့ကျင့်ရန်အတွက်အသုံးပြုမည်ဖြစ်သည်။ ဖောက်သည်ရရှိသည့်အကျိုးကျေးဇူးများမှာ-
- အညွှန်းတပ်ထားသော/မှတ်စုပြုထားသည့် ဒေတာသည် Client ၏ စံဒေတာမှတ်စာလမ်းညွှန်ချက်များနှင့် ကိုက်ညီပါသည်။
- ပိုမိုတိကျစေရန် NLP ပလပ်ဖောင်းကို လေ့ကျင့်ရန် ကွဲပြားသော ဒေတာအတွဲများကို အသုံးပြုခဲ့သည်။
- ကွဲပြားသည့်အရာများအကြား ဆက်စပ်မှုဖြစ်သည့် ခန္ဓာဗေဒဆိုင်ရာ ကိုယ်ခန္ဓာတည်ဆောက်ပုံ <> ဆေးဘက်ဆိုင်ရာကိရိယာ၊ ဆေးဘက်ဆိုင်ရာအခြေအနေ <> ဆေးဘက်ဆိုင်ရာကိရိယာ၊ ဆေးဘက်ဆိုင်ရာအခြေအနေ <> ဆေးဝါး၊ ဆေးဘက်ဆိုင်ရာအခြေအနေ <> လုပ်ငန်းစဉ်များကို ခွဲခြားသတ်မှတ်ထားသည်။
- တံဆိပ်တပ်ခြင်း/မှတ်စုပြုထားသည့် ကျယ်ပြန့်သောဒေတာအစုံကို ပေးပို့ချိန်တွင်လည်း ခွဲခြားသတ်မှတ်ခဲ့သည်။
Shaip နှင့် ကျွန်ုပ်တို့၏ ပူးပေါင်းဆောင်ရွက်မှုသည် ကျန်းမာရေးစောင့်ရှောက်မှုအတွင်း ဝန်းကျင်နည်းပညာနှင့် စကားဝိုင်း AI တွင် ကျွန်ုပ်တို့၏ပရောဂျက်ကို သိသိသာသာ တိုးတက်စေပါသည်။ ပေါင်းစပ်ကျန်းမာရေးစောင့်ရှောက်မှု ဆွေးနွေးပွဲများကို ဖန်တီးခြင်းနှင့် ကူးယူခြင်းတွင် ၎င်းတို့၏ကျွမ်းကျင်မှုသည် စည်းမျဉ်းစည်းကမ်းဆိုင်ရာစိန်ခေါ်မှုများကိုကျော်လွှားရာတွင် ပေါင်းစပ်ဒေတာ၏အလားအလာကိုပြသပြီး ခိုင်မာသောအခြေခံအုတ်မြစ်ကို ပံ့ပိုးပေးပါသည်။ Shaip ဖြင့် ကျွန်ုပ်တို့သည် ဤအတားအဆီးများကို ဖြတ်ကျော်ခဲ့ပြီး ယခုအခါ ကျွန်ုပ်တို့၏ အလိုလိုသိနိုင်သော ကျန်းမာရေးစောင့်ရှောက်မှုဖြေရှင်းချက်များ၏ မျှော်မှန်းချက်ကို နားလည်သဘောပေါက်ရန် ပိုမိုနီးစပ်လာပါသည်။