医疗保健不仅仅是看医生；这是团队的努力。但大多数基于患者数据的人工智能驱动技术仅使用医生提供的信息，忽略了护士和康复治疗师的关键输入。
由伊利诺伊大学芝加哥分校共同领导的一个创新的跨学科项目将使用人工智能来统一来自更广泛的卫生专业的数据，并创建新颖的整体数据集，从而改变医疗保健，推动对患者治疗结果和护理产生积极影响的发现。
与爱荷华大学、大学的合作密苏里州和洛约拉大学以及技术合作伙伴 Microsoft 和 Tackle AI 从联邦健康高级研究计划局 (ARPA-H) 获得了高达 1000 万美元的资金。该奖项是 UIC 获得的第一笔 ARPA-H 资金，UIC 将作为签约机构。
研究人员将创建新方法，将来自护士、物理治疗师和职业治疗师的结构化数据和自由文本注释结合起来，言语和语言病理学家和医生更有效地使用电子健康记录。这些注释通常提供有关患者进展的附加、有价值的信息，特别是当他们的护理转移到医院或诊所之外时。
该项目将重点关注两个复杂的患者群体：经历过与跌倒相关的伤害的患者以及从新生儿重症监护室过渡到家中的婴儿。这两个群体都依赖于各种医疗专业人员提供的护理。
医疗保健是一个跨学科的过程，但现有的数据工具和基础设施忽视了团队的大部分成员，该项目主要研究员之一安德鲁·博伊德 (Andrew Boyd) 表示UIC 生物医学和健康信息科学教授。其他专业人士会更频繁地接诊患者，并提供更接近患者真实情况的高保真度数据，而不仅仅是从医生记录的数据中获得的简短快照。
研究人员将使用在新颖的数据集上使用先进的计算方法来创建全团队护理摘要和强大的新人工智能应用程序。他们还将利用这些数据做出新的科学发现，从而改善患者的护理和治疗。
跌倒和新生儿重症监护病房 (NICU) 患者在医院和门诊诊所需要全团队护理。但密苏里大学医学院的首席研究员兼生物医学信息学家凯瑟琳·克雷文 (Catherine K. Craven) 表示，碎片化、孤立的文档阻碍了沟通。通过统一这些数据，我们可以改善医疗保健提供者、患者及其护理伙伴之间的沟通，并产生可改善患者治疗结果的新颖的科学见解。
这些进步除了可以应用于其他护理领域之外，还可以应用于其他护理领域。爱荷华大学首席研究员兼护理学教授凯伦·邓恩·洛佩兹 (Karen Dunn Lopez) 表示，跌倒和新生儿重症监护病房 (NICU) 过渡。
当您解决复杂的难题时，您获得的见解和制定的解决方案可能适用于洛佩兹说，问题不太复杂。我们的团队工作将帮助我们了解如何指导以患者为中心的多学科团队提供的护理协同决策。
许多人工智能都承诺医疗保健的潜力在于自动从电子健康记录数据中提取见解。算法可以根据症状或实验室结果建议诊断，或者为患者匹配最有效的具体治疗方案。
更多数据可以带来更好的人工智能指导。研究表明，与单独的医生记录和实验室结果相比，将护士的观察结果纳入患者数据可以更准确地预测医院死亡风险等指标。
多学科数据的价值尤其重要。明确用于管理成人跌倒伤害，这是一个令人惊讶的复杂的医疗保健领域。跌倒很难预防，并且可能会给老年人带来多种负面的健康结果。
跌倒风险的首要预测因素是之前跌倒的次数，但患者可能不会告诉医生他们所有的跌倒情况。在患者健康记录中的大量信息中，急诊室就诊或门诊治疗过程中的跌倒报告可能会被忽视。
物理和职业治疗师还会收集与跌倒风险相关的详细信息，例如力量和跌倒风险。平衡评估。由于这些报告通常是主观的且基于文本，因此很难与医生笔记或测试结果等数字数据结合起来。
数据是黄金，但在可以使用之前，它是没有意义的，他说Tanvi Bhatt，伊利诺伊大学芝加哥分校物理治疗和康复科学教授，也是该项目的联合研究员。与实验室测量相比，我们基于文本的注释更具叙述性和描述性。但如果该文本丢失，就无法提供连续的护理。
将这些数据与其他来源统一可以帮助临床医生确定患者跌倒的原因，并将其与最适当的干预措施联系起来，以防止未来受伤。巴特说，它还可以帮助研究人员设计和测试新的跌倒风险预测模型，并以清晰的语言与患者分享这些见解。
结合这些数据还有助于让患者参与医疗保健决策，玛丽说Khetani 是伊利诺伊大学芝加哥分校 (UIC) 职业治疗和康复科学教授，也是该资助项目的联合研究员。物理治疗师和职业治疗师所做的叙述笔记通常直接来自对患者及其家人的采访。整理数据以与患者及其护理人员共享，可以帮助他们在医院外使用多种医疗保健服务时感觉更加了解情况并参与其中。
我们知道，最佳实践是将患者的专业知识集中起来，赫塔尼说，家庭参与决策以推动最佳结果并获得他们的支持和遵守。但如果我们给他们提供过多的信息，我们就无法做到这一点。
该项目的计算机科学家将使用和开发先进的文本挖掘和语言处理工具克服阻碍其他学科数据整合的语言和技术障碍。该研究将测试是否可以训练大型语言模型来帮助理解和连接跨专业的文本数据。
医疗数据在很多方面都是独一无二的，其中之一是它往往包含行话和其他未出现的术语UIC 计算机科学副教授兼项目联合研究员 Natalie Parde 表示，这种情况在更受欢迎的在线资源中很常见。当应用于医疗保健数据时，语言处理工具往往效果不佳。这笔赠款的一个核心技术挑战是让这些工具和技术能够在医疗保健环境中可靠地使用它们。
一旦整合，来自护士、康复治疗师和其他医疗专业人员的数据就可以帮助训练更详细的模型来预测健康风险或治疗效果。人工智能工具还可以生成大量文本和数据的简明摘要。
例如，初级保健提供者可能会根据患者每周的物理和言语治疗就诊获得概要。或者，早产儿的父母可以收到新生儿重症监护病房 (NICU) 提供的护理和康复治疗的摘要，以帮助他们过渡到诊所或家庭等自然环境中的后续护理。
它UIC 计算机科学沃伦 S. 麦卡洛克学院教授兼项目联合研究员 Barbara Di Eugenio 表示，这不仅仅是翻译成通俗语言的问题，实际上是一个理解向患者或其提供者展示什么重要内容的问题。
通过黑客马拉松和其他使用去识别数据的活动，该团队还将邀请数据科学家和软件开发人员创建更多的临床和研究应用程序。该项目开发的所有工具都将是开源的，并根据健康领域专家的意见和反馈构建。
此次合作凸显了伊利诺伊大学芝加哥分校的优势：代表广泛医疗保健学科的七所健康科学学院和计算机科学系，在机器学习、自然语言处理和数据科学方面拥有深厚的研究专业知识。
该项目的其他 UIC 团队成员包括应用健康科学学院的 Samantha Bond、应用健康科学学院的 Miiri Kotche博伊德说，伊利诺伊大学芝加哥分校是一个很棒的地方，我们拥有多种技能，每个人都互相了解并一起工作。因此，当这些绝佳机会出现时，我们可以将所有人（包括我们的合作机构）聚集在一起，并尝试改变我们看待医疗保健数据的方式。
类别
健康科学学院、研究、UI Health、UIC 今日
主题
人工智能、健康数据、护理、物理治疗