人工智能可以识别滥用酒精的创伤患者

该研究是一项跨校园合作，包括来自洛约拉大学烧伤和休克创伤研究所、健康结果和信息研究中心、公共卫生科学系、计算机科学系、医学系和外科学系的研究人员。

多达三分之一的创伤患者滥用酒精，许多创伤病例与酒精有关。先前的研究表明，创伤性创伤提供了一个教育的机会。筛查、短暂干预和转诊治疗(SBIRT)可以减少随后的酒精消费，将伤害复发率降低近50%，并降低酒后驾车被捕率。

简单的干预措施通常包括提供有关饮酒和受伤之间联系的信息，鼓励患者思考饮酒是如何导致他们受伤的，并提供专业建议，说明需要通过减少或戒酒来降低风险。

目前的筛查方法采用10项酒精使用障碍鉴定测试(AUDIT)。但是这种筛选测试也有缺点。患者在回答有关他们饮酒的问题时可能不诚实，或者可能根本无法沟通。工作人员可能无法进行测试，特别是在晚上和周末。此外，筛查是一个“资源密集型过程，给卫生系统带来巨大成本，”Majid Afshar医学博士，MSCR，洛约拉医学的重症监护医生，是洛约拉大学芝加哥斯特里奇医学院肺部和重症监护医学部和公共卫生科学系的助理教授。

利用人工智能筛查滥用酒精者可能会克服这些问题。为了验证这一想法，研究人员使用自然语言处理和机器学习筛选电子健康记录。人工智能技术采用计算方法，帮助计算机理解人类语言。

这项研究包括了1422名在洛约拉1级创伤中心住院三年半的成年患者的记录。这些数据包括电子健康记录中的91,045份临床记录。这些说明载有16 091个医疗概念。通过自然语言处理，研究人员确定了16个可以预测酒精滥用的医学概念。

这些概念包括中毒、忽视、饮酒问题、肝脏成像、性活跃、大麻和维生素B1硫胺素。(医院里有酒精依赖的病人通常会因硫胺素缺乏而接受治疗。)阿夫沙尔说:“人工智能技术对有专业知识的创伤中心来说可能是负担得起的。”

他指出，研究人员使用的开源编程和语言软件对任何用户都是免费的。阿夫沙尔和他的同事总结说，自然语言处理“对于在创伤环境中识别酒精滥用具有足够的预测效度”。该技术“提供了一种自动化的方法，有可能克服创伤中心SBIRT项目在人员配备和患者方面的障碍。”