Согласно новому исследованию Калифорнийского университета в Лос-Анджелесе, автоматизированный процесс, основанный на компьютерных алгоритмах, которые могут считывать текст из свидетельств о смерти медицинских экспертов, может существенно ускорить сбор данных о смертях от передозировки, что, в свою очередь, может обеспечить более быстрое реагирование общественного здравоохранения, чем система, используемая в настоящее время.
В анализе, который будет опубликован 8 августа в рецензируемом журнале JAMA Network Open , использовались инструменты искусственного интеллекта для быстрой идентификации веществ, вызвавших смерть от передозировки.
«Кризис передозировки в Америке является причиной смерти номер один среди молодых людей , но мы не знаем фактического числа смертей от передозировки до тех пор, пока это не произошло», — сказал руководитель исследования доктор Дэвид Гудман-Меза, доцент медицины. в отделении инфекционных заболеваний Медицинской школы Дэвида Геффена в Калифорнийском университете в Лос-Анджелесе. «Мы также не знаем количество передозировок в наших сообществах, поскольку быстро публикуемые данные доступны в лучшем случае только на уровне штата. Нам нужны системы, которые быстро передают эти данные на местном уровне, чтобы общественное здравоохранение могло реагировать. Машинное обучение и обработка естественного языка могут помочь преодолеть этот разрыв».
В настоящее время регистрация данных о передозировке включает в себя несколько этапов, начиная с судебно- медицинских экспертов и коронеров, которые определяют причину смерти и записывают предполагаемые передозировки наркотиков в свидетельствах о смерти ., включая наркотики, вызвавшие смерть. Сертификаты, которые включают неструктурированный текст, затем отправляются в местные юрисдикции или Центры по контролю и профилактике заболеваний (CDC), которые кодируют их в соответствии с Международной статистической классификацией болезней и проблем, связанных со здоровьем, десятое издание (ICD-10). Этот процесс кодирования занимает много времени, так как его можно выполнять вручную. В результате существует значительный промежуток времени между датой смерти и сообщением об этих случаях смерти, что замедляет выпуск данных эпиднадзора. Это, в свою очередь, замедляет ответные меры общественного здравоохранения .
Еще больше усложняет ситуацию то, что в этой системе разные препараты с разным применением и действием объединены под одним и тем же кодом — например, бупренорфин, частичный опиоид, используемый для лечения расстройств , связанных с употреблением опиоидов, и синтетический опиоид фентанил перечислены под одним и тем же МКБ-10. код.
В этом исследовании исследователи использовали «обработку естественного языка» (NLP) и машинное обучение для анализа почти 35 500 записей о смертях за весь 2020 год из Коннектикута и 9 округов США: Кук (Иллинойс); Джефферсон (Алабама); Джонсон, Дентон, Таррант и Паркер (Техас), Милуоки (Висконсин), Лос-Анджелес и Сан-Диего. Они исследовали, как сочетание НЛП, использующего компьютерные алгоритмы для понимания текста, и машинного обучения может автоматизировать расшифровку больших объемов данных с точностью и точностью.
Они обнаружили, что из 8738 смертей от передозировки, зарегистрированных в том году, наиболее распространенными конкретными веществами были фентанил (4758, 54%), алкоголь (2866, 33%), кокаин (2247, 26%), метамфетамин (1876, 21%), героин. (1613, 18%), отпускаемые по рецепту опиоиды (1197, 14%) и любые бензодиазепины (1076, 12%). Из них только классификация бензодиазепинов была неоптимальной по этому методу, а остальные были идеальными или почти идеальными.
По словам Гудман-Меза, совсем недавно CDC опубликовал предварительные данные о передозировке, которые произошли не ранее, чем через четыре месяца после смерти.
«Если эти алгоритмы будут внедрены в кабинетах судебно-медицинской экспертизы, время может быть сокращено до завершения токсикологического тестирования, то есть примерно через три недели после смерти», — сказал он.
Остальные смерти от передозировок были вызваны другими веществами, такими как амфетамины, антидепрессанты, нейролептики, антигистаминные препараты, противосудорожные препараты, барбитураты, миорелаксанты и галлюциногены. Исследователи отмечают некоторые ограничения исследования, главным из которых является то, что система не тестировалась на менее обычные вещества, такие как противосудорожные или другие дизайнерские наркотики, поэтому неизвестно, сработает ли это для них. Кроме того, учитывая, что модели должны быть обучены полагаться на большой объем данных для составления прогнозов, система может быть не в состоянии обнаруживать возникающие тенденции.
Но для разработки и реализации мероприятий по сдерживанию передозировок необходимы быстрые и точные данные , пишут исследователи, и «подобные инструменты НЛП должны быть интегрированы в рабочие процессы наблюдения за данными, чтобы ускорить распространение данных среди общественности, исследователей и политиков. "
Соавторами исследования, помимо Гудман-Меза, являются Челси Шовер, доктор Хесус Медина, доктор Эмбер Танг, Стивен Шоптоу и Алекс Буи из Калифорнийского университета в Лос-Анджелесе.
