NLP がヘルスケアにおける AI の価値を実現する方法

複雑な AI モデルを学習するには膨大な量のデータが必要であり、ヘルスケア データは全データのほぼ 3 分の 1 を占めています。これらすべての情報により、病気の検出と診断、予防的治療の処方、その他無数の機能を、最も熟練した医師チームよりもはるかに高速かつ正確に実行できるアルゴリズムの開発を推進できます。そのような価値があるなら、この力は間違いなく活用する価値があります。

ヘルスケアにおける人工知能

AI の潜在能力はすでに実現されているケースもあります。たとえば、AI ツールを備えた放射線科医は、マンモグラムを通常の 30 倍の速さで確認し、99% の精度で解釈できます。これらの結果は、ヘルスケアエコシステム全体の関係者の間で大きな興奮を生み出しました。

しかし、現状では、ほとんどの医療機関は、臨床現場で確実に展開できるアルゴリズムをトレーニングするための適切なインフラストラクチャやデータ管理機能を備えていません。

さらに、業界の複雑で断片化された性質と、現状維持を追求する歪んだインセンティブが、技術革新をさらに妨げ、他の業界には存在しない障壁を生み出しています。もちろん、変革の可能性は残っています。

解決策を見つける

臨床現場に AI を導入するには依然として大きな障壁がありますが、他のユースケースではこれらの障壁はそれほど重要ではありません。最も有望な分野の一つは医療プログラミングであり、特にリスク調整に関しては有望です。医療データの量が飛躍的に増加するにつれて、医療プログラマーの需要は高まりますが、供給が不足しています。

幸いなことに、自然言語処理機能を備えた AI ツールはプログラミングの負担を軽減するのに役立ち、医療保険プランは拡大する人材ギャップを克服しながらプログラミングの速度と精度を向上させることができます。

現在、人員不足に陥っていることが多い人間のチームのみに依存している組織の多くは、スピードと正確さは反比例する（急ぐほどスピードが落ちる）と考える傾向があります。ただし、優れた AI/NLP (人工知能/自然言語処理) エンジンでは、このような問題は発生しません。

プログラミングのスピードアップ

AI を使用して医療プログラミングを高速化することで、人間のプログラマーはコストのかかるエラーを修正する時間を増やし、精度を向上させることができ、医療機関は最も必要とされる場所にリソースを集中させることができるようになります。 NLP は過去 5 年間で目覚ましい進歩を遂げました。このテクノロジーを活用したプログラミング ツールは、コードの精度を向上させ、不要なコードを削除することで過剰プログラミングの問題に対処できます。

表面的には、このタイプのアプリケーションは比較的平凡に思えるかもしれませんが、その影響は医療保険、医療提供者、患者にとって革命的なものとなる可能性があります。

スピードの必要性

医療プログラムの遅さは長い間、医療保険制度にとって悩みの種となってきた。関連情報を特定するためにチャートのメモを手動で確認して処理するには、数週間、数か月、さらには数年かかることがあります。さらに、進行中または慢性の症状を持つ患者は治療を必要とし、健康保険や医療提供者は最も正確な階層的疾患カテゴリー (HCC) コードを決定するのに苦労しています。

多くのプランでは、同じ暦年内にこれらの状態に対処するために、同時かつ遡及的なカルテレビューを使用しています。しかし、医療データの量、多様性、複雑さが増すにつれて、より優れたソリューションが緊急に必要になります。そのため、膨大な患者データセットを迅速に検索、分析、解釈するために、NLP を利用する組織が増えています。

ワークフローを簡素化

AI/NLP エンジンは、医療プログラマーがデータ内の異常な傾向やパターンを発見するなど、より有意義な作業に集中できるようにすることで、医療プログラマーの専門知識をヘルスケア プログラムにとってより有用な資産に変換します。

プログラマーが AI ツールに慣れるにつれて、プログラミング速度は時間とともに向上し続け、図を書くコストが削減され、組織にとってこれらの人間の従業員の価値がますます高まります。

クラス ステータスの分類コード (過去数十年にわたって急速に拡大) をすべて覚えられる人はいません。それでも、AI の助けを借りれば、人間のチームはコードを対応する条件にはるかに速く一致させることができます。

自己満足の代償

対照的に、従来のプログラミング ツールに依存し続ける組織は、長年にわたってこの分野を悩ませてきた同じ障害にさらに直面することになります。 9,500 を超える ICD-10 コードが約 80 の HCC にマッピングされていることを考慮すると、NLP の強力な検索機能に頼ることができない医療コーダーは、コードを見逃す可能性が高くなります。

機械学習アルゴリズムを使用した医療記録の NLP では、これまでプログラムされていなかった病気を発見することさえ可能です。これは、HCC 病気を発見するための重要な機能です。

さらに、手動でプログラマーに図を割り当てることは、管理の観点からコストがかかり、プロジェクトを大規模なチームに拡張することが困難になります。

これにより、プログラマーは大きな不利を被ることになります。NLP による優先順位付けがなければ、グラフを手作業で調べる必要があり、疲労や燃え尽き症候群につながることがよくあります。さらに、従来のツールではレポート機能が限られていることが多いため、それらを使用するチームはプロジェクトの監視とパフォーマンス管理に苦労し続けることになります。

高度なアルゴリズムの使用

機械学習 (ML) エンジンと NLP エンジンは高度なアルゴリズムを活用できるため、これまでテキスト形式では隠されていると考えられていたデータからチームが関連する洞察や概念を収集するのに役立ちます。

これらのツールは、非構造化データを明確に表現することで、データ品質の理解を深め、プロセスの継続的な改善、リスク調整の精度の向上、患者の転帰の改善を可能にします。

他の新興テクノロジーと同様に、NLP エンジンは万能薬ではありません。適切なトレーニングを受けなければ、貴重なコードを見逃してしまう可能性があります。実際、多くの NLP プログラミング ツールは限られた数の医療記録に基づいてトレーニングされています。その結果、あまり一般的ではない病気や電子医療記録の形式に苦労することがよくあります。

さらに、ほとんどの NLP ツールのユーザー インターフェイスは、プログラマーのニーズを満たすように最適化されていません。これは小さな問題ではありません。UI 設計が不十分だと、プログラマーが臨床メモに関連するコンテキストを見失い、エラーが増える可能性があるからです。

これらのツールの有効性は、それらを中心に設計されたワークフローに大きく依存します。

万能なアプローチで構築された NLP プログラミング ツールは危険です。たとえば、ほとんどのツールではベンダーの作業を監査する機能は提供されていません。したがって、精度よりも速度を優先する NLP ツールではコードが失われ、組織はコンプライアンスの問題や収益の損失のリスクにさらされることになります。

スピードを優先すると、不適切なコード提出につながることが多く、その結果、支払額の低下やリスク調整データ検証監査がドミノ効果を引き起こし、最終的には健康保険制度の妨げとなり、患者の健康をサポートする能力が損なわれます。

AI/NLP エンジンは、適切に設計および実装されていれば、医療プログラミングの速度と精度を向上させることができます。これにより、プログラマーはプログラミング速度を大幅に高速化できると同時に、人為的エラーの発生やそれに伴う多くのリスクを削減できます。

これらのツールは、医師のメモから情報を抽出し、医療コードを割り当てる効率を大幅に向上させることで、作業をスピードアップし、ツールを導入する組織が将来にわたって患者の健康管理を適切に行える体制を整えることを保証します。