Obtenga más información sobre cómo Clinovera trabajó con la División de Endocrinología, Diabetes e Hipertensión de un centro médico académico líder para desarrollar y validar nueva tecnología de PNL para extraer información médica válida de los EHR.
Los datos de la HCE desempeñan un papel cada vez más crítico en el seguimiento y la mejora de la calidad de la atención, la realización de estudios longitudinales y el diseño de ensayos clínicos. Uno de los principales desafíos para las organizaciones de atención médica es que se encuentra una cantidad significativa de datos valiosos en documentos narrativos, como notas de proveedores o informes radiológicos.
Clinovera entiende que el procesamiento del lenguaje natural puede ilustrar conceptos complejos que representan la próxima frontera crítica en el análisis de datos de EHR. Varios ejemplos importantes de conceptos complejos en los que las tecnologías de PNL podrían ser beneficiosas incluyen el rechazo del tratamiento por parte de los pacientes, la discusión sobre la cirugía bariátrica entre los pacientes con obesidad y sus médicos, y la documentación del tabaquismo.
Como paso adicional, nuestro cliente pretende superponer conocimientos extraídos de narrativas no estructuradas con información estructurada en el registro del paciente. Por ejemplo, los algoritmos NLP y ML pueden identificar que un proveedor ha recomendado un procedimiento específico, como la cirugía bariátrica. El contenido estructurado del registro del paciente puede ayudar a determinar si el paciente siguió las recomendaciones del proveedor.
El enfoque de Clinovera aprovecha el poder del procesamiento del lenguaje natural (NLP) para analizar con éxito los datos narrativos de EHR del cliente, lo que permite mejorar la identificación de diagnósticos, medicamentos y otros conceptos. Nuestra solución establece conexiones entre estos elementos en el registro del paciente para mejorar la atención general.