譯者 | 夏東威

審校 | 梁策 孫淑娟

在醫療保健領域，數據并不只是來自患者健康記錄、醫囑條目和醫生處方。事實上，目前已有數百萬人通過家用工具包將他們的基因信息上傳到商業數據庫。

可穿戴技術也為消費者健康數據開辟了新渠道。但是，如果這些醫療數據不去使用，那增加再多也沒有多大意義。許多專家一致認為，醫療數據的應用場景還遠遠不夠。

自然語言處理(NLP)的諸多案例

自然語言處理(NLP)技術可以處理完全非結構化數據，公司采用NLP技術的一個主要目的是嵌入智能系統，以優化組織流程，提升時間利用效率，并減少運營成本。

不管怎樣，將NLP納入醫療保健應用程序開發還有其他好處。

• NLP可以將人類語言翻譯成機器可讀的形式，允許機器從提供的數據中獲得意義。
• 醫療保健領域正使用NLP工具控制數據，這些數據的存儲形式包括語音、文本、象形文字、照片等其他，通過它們得出有用結論。

研究表明，醫療保健領域的自然語言處理預計將從2016年的10.302億美元增加到2021年的26.502億美元，年復合增長率達20.8%。

在討論這種顛覆性技術在醫療行業的使用之前，先來了解下NLP的實際含義。

NLP是人工智能的一個領域，旨在彌合人與機器人之間的鴻溝。借助NLP功能，一個強大的系統能夠以人類可以理解的語音或文本形式理解、存儲、處理和執行數據驅動得出的見解。

在醫療保健應用程序開發中，自然語言處理系統的重要性和用途日益增大。因此，像使用NLP構建聊天機器人這樣的系統也在醫療行業引起了轟動。

在高效執行狀態下，技術可以通過分析實時數據幫助臨床醫生簡化管理操作流程，讓他們將更多時間用于患者護理，以及改善患者體驗方面。

NLP技術在醫療保健領域的8大使用案例

1.語音識別

近20年來，NLP在醫療保健領域的起源都與語音識別分不開，這項技術使得醫生可以用快速轉錄處方錄入電子健康記錄(EHR)。

前端語音識別讓醫生可以不用坐在護理點電腦前口述處方，同時后端識別則在把轉錄文本發給人驗證之前將問題先行糾正。

因為不再需要醫療轉錄員及向其支付的高昂費用，語音識別是最具成本效益的解決方案之一。

2.臨床文件

由于NLP語音到文本的聽寫和結構化數據輸入方式， NLP對語音識別的影響與臨床文檔密切相關，這種方式將醫生從繁重且受限的電子健康記錄結構中解放出來，從而更好地護理患者。

Nuance和M*Modal兩家公司都有與語音識別協同工作的技術，該技術在護理點收集結構化數據和標準化術語以供未來使用。

3.計算機輔助編碼(CAC)

CAC收集程序和治療方案中的數據，以便捕獲每一個可能的代碼并優化聲明。可能CAC提高了編碼速度，但在提高編碼的準確性上，它沒有采取任何措施。

比如，克利夫蘭診所一項研究表明，雖然CAC縮短了編碼時間，但若無有資質的編碼員協助，它在單獨使用時召回率和準確率較差。

4.臨床試驗匹配

臨床試驗匹配可能是“正在開發”類別中討論最多的案例。例如，Linguamatics Health公司和Clinithink兩家公司已經創建了NLP引擎來解決試驗匹配問題，而IBM Watson Health和Inspirata兩家公司則投入了大量資源來利用NLP輔助腫瘤研究。

在不久的將來，NLP似乎有能力使臨床試驗匹配成為一個無縫和自動化的過程。

5.數據挖掘研究

醫療保健系統中的數據挖掘允許企業減少決策的主觀性，同時提供相關的醫學知識。數據挖掘一旦開始，它可以成為知識發現的一種循環技術，幫助所有醫療保健公司制定合理的財務戰略，以提供更好的患者護理。

6.人工智能聊天機器人和虛擬抄寫器

雖然目前還沒有這樣的解決方案，但語音識別應用程序很有可能幫助人類修改臨床文書工作。亞馬遜的Alexa或谷歌助手將是實現這一目標的理想選擇。

微軟和谷歌在這方面已經聯手，以實現這一特定目標。目前，使用NLP構建聊天機器人可以獲取患者癥狀并將其引導至最合適的治療點。

7.根本原因分析

NLP的另一個有趣的方面是預測性分析的能力，以提供常見健康問題解決方案。

數字醫療記錄的大量緩存可以幫助識別地理區域、種族群體或其他不同人口群體的子集，這些子集在應用NLP時面臨不同類型的健康差異。NLP系統對非結構化反應進行評估，以確定患者致病根源。

8.回顧管理和情緒分析

NLP還可以幫助醫療機構管理互聯網評論。每天，它都可以從第三方列表中收集和分析數百條關于醫療保健的評論，此外還可以快速評估人類的情緒以及情緒表達的語境。

一些系統甚至可以在評論中傾聽客戶聲音，這可以幫助醫生了解消費者，比如怎樣看待他們的護理，并用大家都懂的語言進行更有效的溝通。

NLP在未來醫療行業的應用

醫療保健行業迫切需要投入精力來改進自然語言處理，雖然現在還做得很有限。一些知名公司正在大力投資認知計算和語義大數據分析計劃，這兩項計劃都嚴重依賴使用NLP開發構建的聊天機器人。

1.財務分析

金融分析師對未來幾年NLP及相關技術的前景持樂觀態度。據Allied Market Research數據，到2020年，認知計算市場價值將達到137億美元，較目前水平其復合年增長率(CAGR)將達33.1%。

2.自然語言技術

日常產生的大量數據與人類有限的認知能力之間有一定差距，有朝一日，自然語言處理技術或許能夠彌合這道鴻溝。

從尖端的精確醫學應用到為賬單和報銷進行編碼的基本過程，NLP幾乎具有無限潛力。借助它，電子健康記錄將從負擔變為樂趣。

對自然語言處理的持續需求

本文提到了眾多自然語言處理應用，這為醫療行業提供了一個機遇，以打破舊有障礙、填補醫療服務系統漏洞，并進而改善患者體驗。

你可以聯系一家聲譽良好的軟件開發公司，借助用例廣泛的NLP和AI解決方案以進行先進的醫療保健應用程序開發。

譯者介紹????

夏東威，51CTO社區編輯，信息系統項目師，中國人民大學傳播學碩士。具有復合型知識結構，有20多年IT上市公司市場總監、資深研究員、IT項目負責人經驗。目前任職北京北信源軟件股份有限公司資深研究員，擔任《東威智庫》和《東哥安全觀》公眾號主編。

原文標題：??8 Use Cases for Natural Language Processing (NLP) Technology in Healthcare??，作者：Smith Johnes