I. NATÜRLICHE SPRECHVERARBEITUNG/NATURAL LANGUAGE PROCESSING (NLP)
Geht es um standardisierte und strukturierte Daten, sind Computer der beste Freund des Menschen. Sie können sie schneller, besser und genauer als jeder durchschnittliche Mensch lesen und verarbeiten. Unstrukturierte Daten oder die menschliche Sprache andererseits sind für Computer unverständlich, da es keine standardisierten Verfahren gibt diese zu verarbeiten.
NLP ist ein Teilbereich der Informatik, der sich mit künstlichen Intelligenz und Computerlinguistik beschäftigt. Bei der Verarbeitung natürlicher Sprache geht es darum, dass Computer die menschliche Kommunikation verstehen und verarbeiten können. Dies hilft ihnen, sich einem menschlichen Sprachverständnis anzunähern. Die Anwendung Natürlicher Sprachverarbeitung wurde in letzter Zeit immer umfangreicher. Denken Sie nun an Google Assistant, Alexa, Wortvorschläge beim Schreiben einer Nachricht, maschinelle Übersetzung, Spam-Filter, Chat-Boxen - dies sind nur einige NLP Beispiele aus dem Alltag.
Wie jeder andere Aspekt des maschinellen Lernens kann sich natürliche Sprachverarbeitung positiv auf das Unternehmen auswirken, indem sie die Effizienz des Arbeitsprozesses optimiert. Sie kann wichtige Sprachmuster aus verschiedenen Textformen und andere unstrukturierte Daten extrahieren, die für das Unternehmen von erheblichem Wert sein können. Zum Beispiel:
Marken-Sentiment-Analyse: Ein entscheidendes Element des Brandmarketings ist den emotionalen Ton sozialer Posts von Verbrauchern im öffentlichen Bereich zu verstehen, die Trendmeinung zu kennen und den Puls des Kunden in Echtzeit zu verfolgen. NLP hilft dabei, diese Erkenntnisse aus Textdaten abzuleiten.
Einstellung: Die semantische Suche nach Lebensläufen, um die beste Übereinstimmung herauszufiltern, ist weitaus leistungsfähiger als die Stichwortsuche. Natürliche Sprachverarbeitung ist das Kernstück solcher gezielten Auswahl- und Einstellungsmethoden.
Medien und Verlagswesen: Verlage liefern Nachrichten und Inhalte, die sie aus einer Vielzahl von Quellen aggregiert und kuratiert wurden. Der Aggregationsprozess ist viel präziser und näher an die Vorlieben des Lesers, wenn die Auswahl NLP-basiert ist.
Finanzmärkte: Bei den täglich ändernden Marktbedingungen benötigen die Analysten relevante und echtzeit Inhalte. In diesem Zusammenhang kann NLP eine Möglichkeit sein, um solche Inhalte effizienter und genauer bereitzustellen und somit die zeitnahe Entscheidungsfindung zu beeinflussen.
Call Center: Die hohe Menge von Verbraucherinteraktion weckt ein Bedürfnis nach der Fähigkeit priorisieren zu können welche Aufgaben zuerst ausgeführt werden sollen. Mithilfe von Voice-to-Text können NLP und maschinelles Lernen die wichtigsten Kundenanfragen schneller beantworten.
E-Commerce: Beim Online-Handel unterstützt NLP die bedeutungsorientierte Suchen, sodass Kunden nach Artikeln auf ihre Muttersprache suchen und relevante Ergebnisse erhalten können, auch sogar wenn die Suchbegriffe nicht mit den Stichwörtern aus den Artikeldatensätzen übereinstimmen. Im Gegensatz zu reinen Stichwort-basierten Suchen stellt NLP das kritische Gleichgewicht zwischen der Bereitstellung einer Vielzahl zielgerichteter Suchergebnisse her, ohne die Kunden mit irrelevanten Ergebnissen zu überschwemmen.
II. Amazon Comprehend
In diesem Kontext, war es keine Überraschung, dass im 2017 Amazon seinen neuen Dienst Amazon Comprehend ankündigte - eine Komponente der Amazon Web Services-Infrastruktur. Mithilfe von NLP werden Erkenntnisse über den Inhalt von Dokumenten auf Englisch, Spanisch, Französisch, Deutsch, Italienisch und Portugiesisch extrahiert. Darüber hinaus kann NLP natürlichsprachliche Begriffe erkennen und Text klassifizieren, die für ein bestimmtes Team, eine bestimmte Branche oder ein bestimmtes Unternehmen vorgesehen wurde. Es erfolgt durch:
- Zurückgeben einer Liste von Entitäten wie Personen, Plätzen und Orten, die in einem Dokument identifiziert wurden;
- Extrahieren von Schlüsselphrasen, die in einem Dokument erscheinen;
- Identifizieren der dominanten Sprache eines Texts (100 Sprachen verfügbar);
- Bestimmen der Stimmung eines Dokuments: sei es positiv, neutral, negativ oder gemischt;
- Jedes Wort aus dem Dokument analysieren und dadurch die Zugehörigkeit des Wortes zu verschiedenen Wortarten bestimmen.
Mit Amazon Comprehend können Sie den Inhalt einer Dokumentensammlung untersuchen, um allgemeine Themen zu ermitteln. Beispielsweise können Sie Amazon Comprehend eine Sammlung von Nachrichtenartikeln geben, um die Themen wie Sport, Politik oder Unterhaltung zu bestimmen. Darüber hinaus können Sie sehen, was Kunden über Ihre Produkte denken und ob sie sich positiv, negativ, neutral oder gemischt fühlen. Nicht zuletzt hilft Ihnen Amazon Comprehend dabei die Sprachthemen Ihrer Kunden in Dialogforen und Informationsplattformen herauszufinden.
III. Amazon Comprehend Medical
Im Jahr 2018 unternahm Amazon einige mutige Schritte im Gesundheitswesen, unter anderem Amazon Medical Comprehend - eine logische Erweiterung seiner NLP-Plattform. Die meisten Patientendaten werden weiterhin als unstrukturierter Text gespeichert. Dazu gehören alle Arten von medizinischen Notizen wie Verschreibungen, Beobachtung und Verabreichung von Medikamenten und Therapien, Testergebnisse, Röntgenstrahlen, CT-Scans, chirurgische Anamnese, Impfpass, Familiengeschichte, Audio-Interview-Transkripte, gedruckte pathologishe und radiologische Berichte. Es kann Stunden oder sogar Tage dauern, bis Ärzte und andere Fachkräfte eine so enorme Datenmenge sortieren, um aussagekräftige Informationen zu extrahieren. Amazon Comprehend Medical kombiniert Textanalyse und maschinelles Lernen, um Patientenunterlagen zu lesen. Sobald diese Aufzeichnungen digitalisiert und zu Comprehend Medical hochgeladen wurden, werden Informationen über Diagnosen, Behandlungen, Medikamentendosierungen und Symptomen herausgesucht und organisiert. Das Extrahieren und Korrelieren von Mustern aus Patientenakten kann Gesundheitsdienstleister und Forschern dabei helfen, Geld zu sparen, Behandlungsentscheidungen schneller zu treffen und klinische Studien besser zu verwalten. Zum Beispiel:
Es ist zu erwarten, dass Amazon Comprehend Medical den Gesundheitsdienstleistern und den Gesundheitsforschern ermöglicht wird, Datensätze gemeinsam zu nutzen und zu analysieren. Dies war zuvor aufgrund der unterschiedlichen Natur von Gesundheitsdaten und unstrukturierten patientenspezifischen Notizen nicht erfüllbar. Vereinfachter und optimierter Zugriff auf Gesundheitsdaten ist entscheidend um die Prädiktoren der Krankheit identifizieren zu können, die Beurteilung neuer Therapien zu ermöglichen, bewährte Praktiken zu identifizieren, die Feinabstimmung Behandlungsrichtlinien und aktuelle Therapien und Verfahren zu bewerten.
Es ist von entscheidender Bedeutung, Auswahlkriterien für die Rekrutierung der Patienten für klinische Studien schnell identifizieren zu können. Die Identifizierung geeigneter Patienten für die Rekrutierung von Studien wird unter Zeit- und Kostengesichtspunkten wesentlich effizienter, wenn die Fähigkeit von Amazon Comprehend Medical genutzt wird, komplexe medizinische Informationen in unstrukturiertem Text zu erkennen.
Comprehend Medical verbessert die Pharmakovigilanz und die Überwachung nach dem Inverkehrbringen, um unerwünschte Arzneimittelereignisse durch relevante Informationen im klinishen Text zu erfassen.
Patienten, die eine bestimmte Art von therapeutischer Behandlung durchlaufen, profitieren ebenfalls davon. Amazon Comprehend Medical ermöglicht eine effektivere Vorgehensweise zur Überwachung des Ansprechen der Patienten auf bestimmte Therapien, indem ihre Berichte oder Follow-up-Notizen von Leistungserbringern analysiert werden.
IV. Datenschutz
Das Hochladen von medizinischen Unterlagen zur Analyse durch maschinelles Lernen in die Cloud kann Patienten zu Fragen darüber anregen, wie Comprehend Medical ihre Privatsphäre schützen kann. Amazon versichert, dass Patientendaten verschlüsselt sind und nur von Kunden freigeschaltet werden können, die über einen Schlüssel verfügen, und dass keine verarbeiteten Daten gespeichert oder zum Trainieren ihrer Algorithmen verwendet werden. Des Weiteren ist die HIPAA -Compliance integriert, sodass die Gesundheitsdienstleister besser auf den Datenschutz und die Anforderungen an geschützte Gesundheitsinformationen eingehen können.
V. Partnerschaft und Meinungen
Amazon arbeitet bereits mit Unternehmen wie Deloitte und PricewaterhouseCoopers sowie mit dem Fred Hutchinson Cancer Research Center und Roche Diagnostics in Seattle zusammen. Der Zweck ist die Verarbeitung unstrukturierter Daten, um lebensrettende Erkenntnisse zu gewinnen, die Gesundheitsversorgung zu personalisieren, und die Entscheidungsunterstützung und Bevölkerungsanalysen zu ermöglichen. Fred Hutch wertete Millionen von klinischen Notizen aus, um medizinische Zustände, Medikamente und die Wahl der Krebstherapiemöglichkeiten zu extrahieren und zu indizieren, wodurch der Zeitbedarf für die Verarbeitung jedes Dokuments von Stunden auf Sekunden reduziert wurde.
"Die Heilung von Krebs ist von Natur aus eine Frage der Zeit”, sagte Matthew Trunnell, Chief Information Officer des Fred Hutchinson Cancer Research Center. “Für Krebspatienten und die Forscher, die sich der Heilung widmen, ist die Zeit die limitierende Ressource. Der Prozess der Entwicklung klinischer Studien und deren Verknüpfung mit den richtigen Patienten erfordert, dass die Forschungsteams eine Vielzahl von unstrukturierten Daten aus klinischen Daten durchsuchen und kennzeichnen. Amazon Comprehend Medical wird diese Zeitbelastung von Stunden auf Sekunden reduzieren. Dies ist ein wichtiger Schritt, um den Forschern einen schnellen Zugang zu den Informationen zu ermöglichen, die sie benötigen, wenn sie diese benötigen, damit sie umsetzbare Erkenntnisse finden können, um lebensrettende Therapien für Patienten voranzutreiben."
"Das NAVIFY-Entscheidungsunterstützung Portfolio von Roche bietet Lösungen, die die Forschung beschleunigen und die personalisierte Medizin ermöglichen. Da täglich Petabyte unstrukturierter Daten in Krankenhaus-Systemen generiert werden, ist es unser Ziel, diese Informationen in nützliche Erkenntnisse umzusetzen, die effizient zugänglich und verständlich sind”, sagte Anish Kejariwal, Director für Softwareentwicklung bei Roche. “Amazon Comprehend Medical bietet die Funktionalität, die uns hilft, Informationen aus medizinischen Dokumenten schnell zu extrahieren und strukturieren, so dass wir eine umfassende Längsansicht der Patienten erstellen, Entscheidungsunterstützung als auch Bevölkerungsanalyse ermöglichen können."
Matt Rich, AI Lead im Gesundheitswesen bei PricewaterhouseCoopers teilte mit, dass Amazon Comprehend Medical die Möglichkeit bietet, bessere Ergebnisse schneller und mit weniger Aufwand zu erzielen. Durch die Verwendung von Amazon Comprehend Medical können sich unsere Kunden mehr auf die Entwicklung intelligenterer Anwendungen und die Extraktion kritischer Erkenntnisse konzentrieren und weniger auf die Kommentierung, Schulung und Umschulung von Modellen. Die Fähigkeit eine sehr manuelle Aufgabe maßstabsgetreu und sicher auszuführen, ermöglicht es uns, wirkungsvollere Lösungen und bessere Ergebnisse für Patienten und Kliniken zu erzielen. So verwendet beispielsweise einer unserer Pharmakunden Amazon Comprehend Medical für eine begrenzte Stichprobengröße, um Informationen zu extrahieren, die es ihm ermöglichen, medizinisch relevante Ereignisse zu identifizieren. Nach ersten Erkenntnissen sehen wir einen deutlich schnelleren Durchsatz als in der Vergangenheit.”
Dan Housman, Chief Technology Officer von ConvergeHEALTH bei Deloitte sagte: “Amazon Comprehend Medical ermöglicht uns, ein skalierbares, kostengünstiges und sicheres Modell anzupassen, das bisher mit früheren medizinischen Werkzeugen zur natürlichen Sprachverarbeitung eine Herausforderung darstellte. Wir arbeiten daran, die Dienste zur Informationsextraktion und -klassifizierung auf Anwendungen in den Bereichen Evidenz, Pharmakovigilanz, Competitive Intelligence und Provider-Effizienz anzuwenden, die uns helfen werden, die Informationen zu gewinnen, die wir benötigen, um aussagekräftige Erkenntnisse zu gewinnen und die Transformation in der Branche weiter voranzutreiben.”
VI. Fazit
Ausgehend von den Meinungen der Partner und den neusten Bewertungen könnte man sagen, dass Amazon auf dem richtigen Weg ist, einen wesentlichen Einfluss auf die Umgebung für Patientenakten auszuüben. Im Gegensatz zu anderen Unternehmen, deren Schwerpunkt auf dem Aufbau eines eigenen geschlossenen Ökosystems für Patientenakten liegt, ist Amazon bestrebt, ein offeneres und interoperableres Ökosystem für das Gesundheitswesen bereitzustellen. Letztendlich kann dieser Reichtum an Informationen den Verbrauchern eines Tages dabei helfen, ihre eigene Gesundheit zu verwalten, einschließlich Medikamentenmanagement, proaktive Planung von Pflegebesuchen oder die Befugnis, fundierte Entscheidungen über ihre Gesundheit und Berechtigung zu treffen.