Holmusk gibt neue Veröffentlichung bekannt: Auf Deep Learning basierende Modelle zur Verarbeitung natürlicher Sprache, die unstrukturierte Notizen aus der Psychiatrie in quantifizierbare Maßnahmen übersetzen
(ots) - Die Publikation zeigt, wie die NLP-Modelle von Holmusk unstrukturierte psychiatrische Notizen aus EHRs in ein strukturiertes, quantifizierbares Format umwandeln können, um Analysen und umfassende Erkenntnisse zu ermöglichen
Holmusk, ein führendes internationales Unternehmen für Datenwissenschaft und Gesundheitstechnologie, das die größte Real-World Evidence (RWE)-Plattform für die Psychiatrie aufbaut, hat heute die Veröffentlichung des wissenschaftlichen Artikels "Natural Language Processing-Based Quantification of the Mental State of Psychiatric Patients", in Computational Psychiatry (MIT Press) bekannt gegeben. Lesen Sie den vollständigen Text hier: https://cpsyjournal.org/articles/10.1162/cpsy_a_00030/.
Mit dieser Veröffentlichung hat Holmusk seine einzigartige Bibliothek von proprietären Natural Language Processing (NLP)-Modellen validiert, die unstrukturierte psychiatrische Aufzeichnungen in quantifizierbare Indikatoren des Patientenstatus (z. B. Symptome, Nebenwirkungen und externe Stressoren) übersetzen. Wenn diese quantifizierbaren Indikatoren zur Anreicherung von Daten in Gesundheitssystemen verwendet werden, können sie den Krankheitsschweregrad von Patienten über das gesamte Spektrum von Verhaltensstörungen hinweg einschätzen und Langzeitverläufe des Patientenstatus erstellen. Durch die Erstellung dieser quantifizierbaren Indikatoren generieren die Modelle von Holmusk zum ersten Mal solide Real-World-Evidenz des Krankheitsverlaufs und der Behandlungseffektivität für psychiatrische Störungen. Holmusk wird die objektiven Messwerte aus diesen Modellen verwenden, um die messbasierte Pflege zu fördern und die Pflegeversorgung im Bereich der Psychiatrie in den verschiedenen Gesundheitssystemen zu individualisieren.
"Mit den NLP-Labels können wir strukturierte Informationen über den psychischen Zustand von Patienten aus Freitext-Notizen von Krankenhausärzten generieren und den Schweregrad von psychischen Erkrankungen auf Basis dieser Labels mit Deep-Learning-Algorithmen quantifizieren. Außerdem können wir durch die direkte Extraktion wichtiger psychiatrischer Labels aus klinischen Notizen den mühsamen Anonymisierungsprozess umgehen. Dadurch eröffnen sich uns interessante Möglichkeiten für die Anwendung quantitativer Analysetechniken auf alle verfügbaren psychiatrischen Notizen", sagt Sankha Mukherjee, Senior Data Scientist bei Holmusk und Hauptautor.
Zur Erstellung dieser Bibliothek nutzte das Data Science (KI)-Team von Holmusk sein spezielles System für elektronische Gesundheitsakten (EHR) im Bereich der psychischen Gesundheit, MindLinc. Die Modelle konvertieren mehr als 20 Jahre elektronischer Krankenaktenaufzeichnungen aus der internationalen MindLinc-Datenbank von Holmusk in über 240 psychiatrisch relevante Dimensionen. In Kombination mit maschinellem Lernen tragen diese Dimensionen zu mehr Präzision im täglichen Management und der Behandlung von Krankheiten bei.
"Holmusks zuverlässige und systematische Zusammenstellung von Arztaufzeichnungen zur Bewertung von Ergebnissen über Patienten, Ärzte und Gesundheitssysteme hinweg ist ein großer Fortschritt auf dem Weg zu einem lernenden Gesundheitssystem. Basierend auf Entscheidungen zur Behandlung von Patienten und deren Ergebnisse erfahren wir, wie andere Patienten am besten versorgt werden können", sagte A. John Rush, MD, Professor Emeritus an der Duke-NUS Medical School, Außerordentlicher Professor für Psychiatrie und Verhaltenswissenschaften an der Duke Medical School und wissenschaftlicher Berater von Holmusk.
Die soliden und skalierbaren NLP-Modelle von Holmusk ermöglichen es, Informationen aus unstrukturierten EHR-Daten von psychiatrischen Behandlungen zu extrahieren, einem bisher zeitaufwändigen und manuellen Prozess.
"Wir bei Holmusk warten wir nicht darauf, perfekte Daten zu sammeln, um Erkenntnisse zu analysieren und zu generieren. Die Möglichkeit, die reichhaltigen und vielfältigen Informationen in den Notizen der Ärzte in einem strukturierten, quantifizierbaren Format zu analysieren, ist ein potenzieller Wendepunkt im Bereich der psychischen Behandlung. Erstmals können wir mit unserem Ansatz die Patienten nicht nur nach Diagnosen segmentieren, sondern auch nach Clustern von Symptomen und Schweregraden, die dann in klinischen Studien und in der Praxis auf die entsprechenden Medikamente abgestimmt werden können", sagt Joydeep Sarkar, Chief Analytics Officer bei Holmusk.
Wissenschaftliche Quellen: Mukherjee S.S., Yu J., Won Y., McClay M.J., Wang L, Rush A.J., Sarkar J. (2020). Natural Language Processing-Based Quantification of the Mental State of Psychiatric Patients (https://www.mitpressjournals.org/doi/abs/10.1162/cpsy_a_00030). Computational Psychiatry, Volume 4, 76-106. https://doi.org/10.1162/cpsy_a_00030
Informationen zu Holmusk:
Holmusk setzt sich dafür ein, das Leben unter verhaltensgesundheitlichen und chronischen Erkrankungen leidender Menschen über evidenzbasierte Medizin zu verbessern. Das Unternehmen, das seinen Stammsitz in Singapur hat und weltweit präsent ist, treibt Innovationen, Forschung und Versorgung im Gesundheitswesen voran und entwickelt die weltweit größte Real-World-Evidence-Plattform für psychische und chronische Erkrankungen. Im Jahr 2020 brachte Holmusk 21,5 Millionen US-Dollar bei seiner Serie A Finanzierungsrunde auf, die von Optum Ventures und Health Catalyst Capital geleitet wurde.
Die Analyseplattform von Holmusk synthetisiert Real-World Data (RWD) mit proprietären Krankheitsverlaufsmodellen, um verwertbare Erkenntnisse für Forschung, Innovation und Versorgung im Bereich der Verhaltensmedizin zu gewinnen. Die Real-World Evidence Plattform von Holmusk, NeuroBlu, basiert auf einer der größten longitudinalen anonymisierten Verhaltensdatenbanken mit Daten von mehr als 550.000 Patienten, die über mehr als 20 Jahre und mehr als 20 Millionen Besuche gesammelt wurden. Holmusk erweitert seine Datenbank kontinuierlich durch Partnerschaften mit Gesundheitssystemen auf der ganzen Welt. Darüber hinaus entwickelt Holmusk digitale Gesundheitslösungen, die Patienten einbinden, das Selbstmanagement ihrer Krankheiten unterstützen und patientenbezogene Ergebnisse erfassen, um klinische Entscheidungen und Analysen zu erleichtern. Weitere Informationen finden Sie unter www.holmusk.com
Pressekontakt:
Paul Feldhausen
Director of Growth Operations
Partnerships
paul.feldhausen(at)holmusk.com
+65-6250-4233
Original-Content von: Holmusk, übermittelt durch news aktuell
Themen in diesem Fachartikel:
Unternehmensinformation / Kurzprofil:
Datum: 17.02.2021 - 00:00 Uhr
Sprache: Deutsch
News-ID 1881633
Anzahl Zeichen: 0
Kontakt-Informationen:
Ansprechpartner:
Stadt:
Singapur und New York
Telefon:
Kategorie:
Gesundheit & Medizin
Anmerkungen:
Dieser Fachartikel wurde bisher 112 mal aufgerufen.
Der Fachartikel mit dem Titel:
"Holmusk gibt neue Veröffentlichung bekannt: Auf Deep Learning basierende Modelle zur Verarbeitung natürlicher Sprache, die unstrukturierte Notizen aus der Psychiatrie in quantifizierbare Maßnahmen übersetzen
"
steht unter der journalistisch-redaktionellen Verantwortung von
Holmusk (Nachricht senden)
Beachten Sie bitte die weiteren Informationen zum Haftungsauschluß (gemäß TMG - TeleMedianGesetz) und dem Datenschutz (gemäß der DSGVO).