Case study

Opracowanie systemu pozwalającego na automatyczne generowanie streszczeń medycznych.

WYZWANIE

Opracowanie systemu pozwalającego na automatyczne generowanie streszczeń medycznych na podstawie elektronicznej dokumentacji medycznej oraz przeprowadzonego za pomocą voicebota wywiadu lekarskiego z wykorzystaniem modeli opartych na głębokich sieciach neuronowych.

PROFIL ORGANIZACJI

telDoc funkcjonuje na rynku medycznym jako:

niepubliczny zakład opieki zdrowotnej świadczący usługi medyczne w sposób stacjonarny i zdalny z wykorzystaniem chatbotów i/lub voicebotów
podmiot opracowujący nowoczesne rozwiązania IT dedykowane opiece zdrowotnej.

Najważniejsze projekty zrealizowane przez telDoc:

  • Wypracowanie, zweryfikowanie i implementacja usługi triage opartej na sztucznej inteligencji – zintegrowanej z telekonsultacjami medycznymi i asystentach głosowych oraz wirtualnym contact center (projekt B+R);
  • Kompletny system SONAR do masowego testowania osób bezobjawowych na obecność wirusa Sars-Cov-2 zrealizowany i dostarczony na zlecenie Instytutu Biologii Doświadczalnej im. M. Nenckiego PAN; w ramach projektu opracowano aplikacje do realizacji masowych testów na obecność wirusa SARS-CoV-2 metodą SONAR tj.(1) Voiceboty „covidowe”, (2) Aplikacje mobilne na skanery do punktów pobrań i laboratoriów, (3) Portal SONAR, w którym użytkownik może sprawdzić wynik badania i swoją historię wizyt, integrujący voiceboty i aplikacje mobilne.

telDoc prowadzi rozmowy z wieloma podmiotami komercyjnymi (laboratoria diagnostyczne, ubezpieczyciele, placówki medyczne czy podmioty technologiczne) na wdrożenie voicebotów medycznych.

ROZWIĄZANIE

Przedmiotem projektu jest opracowanie systemu umożliwiającego automatyczne generowanie kompleksowych streszczeń medycznych (w języku polskim) na podstawie analizy:

  • wywiadu medycznego przeprowadzonego z pacjentem z wykorzystaniem voicebota,
  • elektronicznej dokumentacji medycznej pacjenta dostępnej w placówce (przychodnia, szpital) – o ile chory posiada taką dokumentację.

Zadania, sposób osiągnięcia celów i główne funkcjonalności rezultatu projektu – opracowanie modeli uczenia maszynowego do generowania skrótów dokumentacji medycznej pozwoli na uzyskanie bardzo wysokiego poziomu jakości wygenerowanego streszczenia wynosząca odpowiednio (pomiar jakości parametrami ROUGE, które oznaczają poziom zgodności wygenerowanego w sposób automatyczny streszczenia medycznego względem streszczenia wzorcowego):

  • ROUGE-1: 38, ROUGE-2: 23, ROUGE-L: 37 (streszczenie abstrakcyjne i ekstrakcyjne wygenerowane na podstawie danych zawartych w elektronicznej dokumentacji medycznej),
  • ROUGE-1: 40 ROUGE-2: 22, ROUGE-L: 36 (streszczenie abstrakcyjne wygenerowane na podstawie danych pozyskanych z wywiadu medycznego przeprowadzonego przez voicebota).

Projekt jest absolutnie nowatorski, ze względu na fakt, że żaden obecny na rynku produkt nie posiada ww. funkcjonalności z uwagi na:

  • rynek polski – obecnie brak jest rozwiązań umożliwiających generowanie streszczeń dokumentacji medycznej w języku polskim;
  • rynek zagraniczny – wszystkie dostępne rozwiązania są wyłącznie w języku angielskim, co sprawia, że ich bezpośrednia implementacja w języku polskim nie jest możliwa (z uwagi na różnice językowe).

System będzie dedykowany w pierwszym etapie dla 3 specjalizacji:

  • chirurgia ogólna,
  • neurochirurgia,
  • ortopedia i traumatologia narządu ruchu.

Głównymi grupami docelowymi będą:

  • szpitale (publiczne i prywatne), podmioty ambulatoryjne (odbiorcy bezpośredni),
  • lekarze (odbiorcy pośredni – główni użytkownicy nowego systemu),
  • pacjenci szpitali/poradni ambulatoryjnych (odbiorcy pośredni).

WYNIKI

Projekt w trakcie realizacji.

Szybki kontakt

Jeśli chcesz dowiedzieć się więcej o tym, jak MIM Solutions może pomóc rozwinąć potencjał AI w Twojej firmie, skontaktuj się z nami.