新加坡和紐約2021年2月22日 /美通社/ -- 最大的行為衛生真實世界證據（RWE）平臺的搭建者、全球領先數據科學和數字健康公司Holmusk，今日宣布其在麻省理工學院出版社發行的《計算精神病學》上發表科學文章《基于自然語言處理量化精神病患者的精神狀況》。全文詳見：https://cpsyjournal.org/articles/10.1162/cpsy_a_00030/.
該文章的發表印證了Holmusk獨特的專有自然語言處理（NLP）模型庫，可將非結構化的精神病學筆記轉化為可量化的患者狀態指標（如癥狀、副作用和外部壓力源），進一步豐富留存在衛生系統內的數據，幫助評估行為衛生障礙譜系中患者病情的嚴重程度，并以此建立患者狀態的縱向軌跡。通過建立這些可量化的指標，Holmusk模型首次在疾病進展和治療效果方面，為精神障礙生成可靠的真實世界證據。Holmusk將利用這些來自NLP模型的客觀評估措施，在整個衛生系統的行為健康領域，提供基于評估的護理支持和個性化的護理服務。
Holmusk高級數據科學家及文章第一作者Sankha Mukherjee表示：“借助NLP標記，我們就能從臨床醫師雜亂無章的筆記中生成關于患者精神狀態的結構化信息，并根據這些標記，運用深度學習算法來量化精神疾病的嚴重程度。更重要的是，從臨床筆記中直接獲取重要的精神病標記，使我們能夠避免難度重重的匿名化過程，這為我們將定量分析技術應用于所有可用的精神病筆記創造了令人振奮的契機。”
Holmusk數據科學（AI）團隊在創建該數據庫的過程中，充分利用其專業的行為衛生電子健康記錄（EHR）系統MindLinc。Holmusk的MindLinc全球數據庫，收集了20多年的電子健康記錄，而該數據模型將這些筆記轉換成240多個與精神病學相關的維度。結合機器學習，這些精神病學相關維度為疾病的日常管理和治療提供更高的精準度。
Holmusk科學顧問、杜克-新加坡國立大學醫學院榮譽退休教授兼杜克大學醫學院精神病學和行為科學客座教授A. John Rush醫學博士表示：“Holmusk能夠有效且系統地匯編臨床醫生筆記，以評估患者、臨床醫生和衛生系統的結果，為實現學習型醫療系統帶來一次跨越式進步。還可以幫助我們獲取以往病人的診療決定和結果，用真實世界證據告訴我們如何在未來為病人提供最佳護理。”
Holmusk NLP模型表現穩定且可后期拓展，能夠在行為衛生臨床實踐中收集的非結構化EHR數據中提取信息。此前這是一項十分耗時耗力的工作。
Holmusk首席分析官Joydeep Sarkar表示：“Holmusk讓我們無需等待收集到完美的數據后，再對其進行分析以獲得有用見解。而是通過分析結構化、可量化的臨床醫師筆記并獲得豐富多樣的信息，借以顛覆行為衛生領域現有規則。這一解決方案將首次幫助我們，實現真正意義上的患者群體細分，不僅從診斷層面，還能從患者癥狀和嚴重程度進行細分，從而在臨床試驗和治療實踐中確定對應、恰當的藥物。”
科學類引文數據：Mukherjee S.S., Yu J., Won Y., McClay M.J., Wang L, Rush A.J.和Sarkar J. (2020). 《基于自然語言處理量化精神病患者的精神狀況》. 《計算精神病學》卷4，第76-106頁. https://doi.org/10.1162/cpsy_a_00030
