亞洲健康互聯
優化產業的推手,生醫商機的GPS!

首頁產業資訊醫材報導醫材產業醫療保健中的NLP

醫療保健中的NLP

來源 : 亞洲健康互聯海外中心
update : 2019/08/19

根據最近的研究,預計自然語言處理(NLP)和文本分析,在醫療保健和生命科學行業的應用,到2021年,將從2016年的10億美元,增長到27億美元,而市場正以每年約21%的速度增長。目前,全球所有地區都顯示出採用自然語言處理和文本分析的重要跡象,以提高產品的功效,以及為患者提供的服務品質。目前,北美和歐洲是自然語言處理和文本分析主要計劃的領導者。隨著醫療數據的出現,全球數位技術導致大數據的使用量增加,這也是全球自然語言處理應用的主要推動因素之一。

什麼是NLP
NLP是人工智能(AI)的子代,對應於非結構化數據處理和挖掘。它通常應用於以文本、語音和影音內容形式生成的數據。自然語言處理幫助AI代理人理解人類表達的語言細微差別和背景。它透過分析醫療保健和生命科學行業的臨床數據、醫療諮詢、不良事件報告、監管合規性和醫療數據,提供更深入的業務洞察。這有助於電腦執行各種其他附加任務,為患者創造價值。NLP算法及組件與AI和機器學習相結合,可幫助企業從大量數據中提取相關和關鍵資訊,並對其進行仔細分析,以實現增強的處理和分析。

自然語言處理演算法的一些示例是跨文章和試驗的資訊提取、患者紀錄總結、試驗與文章的鏈接、來自患者查詢的趨勢和類別、挖掘產品品質投訴、編碼和從不良事件報告中提取數據等。

隨著醫療保健數據的NLP對非結構化數據的日常增長變得越來越重要,行業正在關注構建能力和大數據平台,以滿足理解、分析和生成企業可以理解的語言。事實證明,NLP解決方案在各種業務領域非常有效,可以改變客戶體驗和旅程。此外,NLP還有其他幾種應用,可以增強整體客戶體驗,提高醫療保健與生命科學行業的患者價值。

印度默克生命科學自然語言處理與文本分析高級科學家P Karmalkar,對醫療保健行業採用自然語言處理的應用潛力與挑戰,提出了以下的看法:

採用NLP的行業挑戰
Karmalkar認為,由於複雜的法規和合規性,醫療保健和生命科學行業在採用文本分析和NLP方面進展緩慢。由於其非結構化的文本性質,行業在分析數據方面面臨重大挑戰。由於全球的大規模數位化,自然書寫形式的電子數據的產生急劇增加。非結構化臨床數據、醫療數據、監管數據和醫療數據的爆炸性增長,優先使用NLP和文本分析的創新技術。

採用NLP的主要挑戰是以組織內各個業務團隊的文本形式,呈現非結構化數據的指數級增長。這種不斷增長的數據仍未受到影響,因此公司無法確定可為全球消費者和患者,帶來重大價值的可操作見解和建議。因此,檢測來自非結構化數據的潛在行動和建議,可能是提供正確見解,或深入研究醫生和患者的未觸及行為的關鍵差異。

許多醫療保健和生命科學業務組織,正在逐步採用AI驅動的NLP和文本分析功能,這有助於從非結構化數據中獲得改進的近即時洞察,從而獲得更好的結果,提高產品的性能。

NLP與法規遵從
成功採用NLP和文本分析技術的關鍵因素,是成功導航美國食品暨藥品管理局和歐洲藥品管理局等機構制定的嚴格法規。遵守歐洲新的GDPR法律以保護患者數據隱私,為此類技術的採用增加了額外的障礙。

根據最近由FDA進行的豔討會,NLP可以幫助醫療保健公司在確認證據、提高療效、安全性,以及上市後文檔的一致性和有效性。但是,FDA和其他監管機構,預計在增加NLP驅動的監管提交方面存在潛在風險,因為它可能對數據完整性構成潛在威脅。為了最大限度地降低風險並確保數據完整性,FDA強烈建議確保NLPAI流程透明,並為每個處理的文檔提供審計追踪。

醫療保健與生命科學公司往往錯過這一指導,因此不願採用NLP來加速安全性、查詢、功效和醫療數據的提取、處理和驗證。然而,隨著NLP的重大發展與成功,企業開始建立內部團隊,將NLP用於複雜流程。

此外,醫療保健公司需要與監管機構合作並合作,共同想出利用NLP和文本分析技術的優勢,來推動價值和加速結果的方法。

NLP的潛在應用
在許多領域,NLP可以在為消費者和患者提供高品質體驗方面發揮重要作用。從患者安全的關鍵領域開始,NLP可以幫助識別安全數據和潛在的嚴重不良事件,標記它們以便立即進行人工審查並向監管機構報告。

全球醫療資訊團隊還可以使用這些技術,挖掘來自消費者、患者和醫生的查詢和產品品質投訴,為他們提供正確的內容或可能識別副作用,同時他們也在幫助醫療保健公司,遵循EMA方面發揮關鍵作用產品相對功效分析規定。

NLP和文本分析演算法還可以轉換用於評估與改善患者護理品質的傳統方法和程序。評估醫療保健專業人員的績效和衡量差距,是保險公司轉向基於價值的報銷關鍵任務。在這裡,正在進行大量的研發工作,以確定使用NLP的最佳解決方案,減少醫生技能基準測試過程的時間和精力,自動評估自由文本。

產品開發團隊可以在專利和出版物中進行搜索,以確定產品特性改進或產品標籤外使用的最新趨勢。它們可能包括白點分析等活動,以進行系統搜索,從而可以發現新想法,加快市場對實驗室和實驗室對市場的策略。

雖然醫療保健與生命科學組織對NLP的採用緩慢,但該技術的演算法和技術仍在不斷改進。研究人員正在利用AI的概念,如神經網絡、遺傳算法、主動學習等,以提高洞察力的準確性和相關性,從而提高採用價值。

雖然NLP和文本分析仍處於醫療保健和生命科學行業的發展階段,但預計很快就會為生產使用做好準備。監管機構正在積極評估該技術,以確定醫療保健與生命科學組織如何採用和部署該技術,以提高預期壽命和生活品質。