Simple Science

Scienza all'avanguardia spiegata semplicemente

# Scienze della salute# Informatica sanitaria

Migliorare la letteratura sanitaria con l'assistenza dell'IA

Usare l'AI per semplificare le istruzioni di dimissione dall'ospedale così da renderle più comprensibili per i pazienti.

― 6 leggere min


L'IA semplifica leL'IA semplifica leistruzioni sanitariesanitaria.le informazioni sulla dimissioneL'IA aiuta i pazienti a capire meglio
Indice

L'alfabetizzazione sanitaria è quanto bene le persone riescono a trovare, capire e usare le informazioni sulla salute per fare scelte riguardo la loro salute. Molti adulti negli Stati Uniti hanno difficoltà in questo campo. Circa il 90% degli adulti fatica a capire le informazioni sulla salute, il che può portare a seri problemi di salute. Quando le persone non possono capire le istruzioni o i consigli sulla loro salute, possono finire in ospedale più spesso, il che può essere costoso e pericoloso.

Il Problema con le Informazioni Sanitarie

Spesso, le informazioni sanitarie date ai pazienti, come le istruzioni dopo la dimissione dall'ospedale, sono scritte in un linguaggio complesso. Questo può rendere difficile per i pazienti capire dettagli importanti come come prendere i loro farmaci o quando programmare visite di controllo. Se i pazienti non capiscono queste informazioni, potrebbero essere riammessi in ospedale, il che costa di più al sistema sanitario e aumenta il rischio di problemi di salute.

Uno studio ha dimostrato che quando i riassunti di dimissione erano scritti in modo più chiaro e semplice, i pazienti avevano meno probabilità di tornare in ospedale entro 30 giorni. Questo sottolinea la necessità di una comunicazione sanitaria più chiara.

Gli Obiettivi del Nostro Studio

Questo studio cerca di migliorare come vengono scritte le istruzioni di dimissione ospedaliera. Vogliamo usare l'intelligenza artificiale (IA) per rendere queste istruzioni più facili da leggere. Anche se ci sono strumenti di IA che aiutano a coordinare le cure, pochi si concentrano sulla semplificazione delle istruzioni per i pazienti quando lasciano l'ospedale.

L'obiettivo è vedere se un sistema di IA può imparare a rendere le istruzioni di dimissione più chiare e facili da capire.

Come È Stato Svolto lo Studio

Prima di tutto, abbiamo ottenuto il permesso di condurre lo studio. Abbiamo raccolto una lista di persone trattate per insufficienza cardiaca in ospedale tra il 2016 e il 2021. L'insufficienza cardiaca spesso porta a riammmissioni, quindi è stato un buon settore su cui concentrare l'attenzione. Abbiamo raccolto 423 set di istruzioni di dimissione manualmente da registri elettronici.

Per analizzare queste istruzioni, abbiamo trasformato le liste puntate in frasi complete. Questo cambiamento ha reso più facile per i nostri test di leggibilità valutare correttamente i testi. Abbiamo poi misurato quanto fosse difficile leggere le istruzioni utilizzando due diversi test di leggibilità.

Successivamente, i Professionisti Medici hanno riscritto le istruzioni per semplificarle. Si sono concentrati sull'accorciare frasi lunghe e sostituire parole complesse con linguaggio quotidiano. Questo processo ha creato due set di istruzioni: le versioni originali e quelle semplificate.

Su un totale di 423 istruzioni raccolte, 343 sono state utilizzate per addestrare il nostro sistema IA. Compito dell'IA era imparare a semplificare le istruzioni di dimissione ospedaliera basandosi su ciò che avevano fatto gli esperti umani.

Una volta che l'IA è stata addestrata, l'abbiamo testata con le 80 istruzioni di dimissione rimanenti che non aveva mai visto prima. Abbiamo misurato l'output dell'IA per vedere quanto bene semplificava il testo utilizzando gli stessi test di leggibilità.

Risultati dello Studio

Le istruzioni di dimissione originali avevano un alto livello di lettura, rendendole difficili per molti pazienti. Tuttavia, dopo che i semplificatori umani hanno lavorato sui testi, il livello di lettura è sceso significativamente. L'IA ha dimostrato la capacità di semplificare le istruzioni, abbassando il livello di lettura, anche se non così efficacemente come i semplificatori umani.

Nel set di test, sia le istruzioni semplificate dagli umani che quelle semplificate dall'IA erano più facili da leggere rispetto alle istruzioni originali. L'IA è riuscita a ridurre il livello di lettura, dimostrando che ha apportato cambiamenti significativi, ma a volte ha mantenuto parti del testo che avrebbero potuto essere semplificate ulteriormente.

L'IA ha anche fatto alcuni errori, dove ha aggiunto testo che non si adattava bene al significato della frase originale. Abbiamo scoperto che il sistema è migliorato man mano che gli abbiamo fornito più dati da cui imparare, il che mostra potenzialità per lavori futuri.

Perché Questo È Importante

Migliorare come vengono presentate le informazioni sanitarie aiuta i pazienti a prendere decisioni migliori per la loro salute. Quando i pazienti capiscono le loro istruzioni di dimissione, sono meno propensi a essere riammessi in ospedali, il che è positivo per la loro salute e fa risparmiare soldi al sistema sanitario. Questo studio ha dimostrato che l'IA potrebbe aiutare a rendere i testi medici più semplici e accessibili.

Una migliore alfabetizzazione sanitaria può aiutare le persone a gestire meglio la propria salute. Può anche ridurre le disparità nella sanità, poiché alcuni gruppi di persone affrontano più difficoltà nel comprendere le informazioni sulla salute rispetto ad altri.

Limitazioni dello Studio

Questo studio ha avuto alcune limitazioni. Il numero di istruzioni di dimissione analizzate era relativamente piccolo e ci siamo concentrati specificamente sull'insufficienza cardiaca. Altre condizioni mediche potrebbero avere sfide diverse e potrebbero richiedere approcci differenti per semplificare le informazioni.

Avere dataset più diversi in studi futuri sarà importante per vedere come l'IA può aiutare in vari contesti medici. Dobbiamo anche testare quanto bene i pazienti comprendono effettivamente le istruzioni semplificate rispetto a quelle originali.

Direzioni Future

Il potenziale dell'IA per migliorare come vengono comunicate le informazioni sulla salute è enorme. Questo studio mostra solo l'inizio di come l'IA possa aiutare a migliorare la comprensione dei materiali sanitari da parte dei pazienti. Ulteriori ricerche dovrebbero continuare a concentrarsi sulla creazione di messaggi sanitari più chiari per tutti i pazienti, specialmente quelli provenienti da popolazioni che faticano con l'alfabetizzazione sanitaria.

Gli ospedali dovrebbero considerare di valutare i pazienti per i livelli di alfabetizzazione sanitaria. Identificare chi ha bisogno di più supporto può portare a un'educazione su misura, che può aiutare le persone a gestire meglio le loro condizioni di salute.

Utilizzando l'IA per semplificare le informazioni sanitarie e concentrandosi su strategie di comunicazione che affrontano l'alfabetizzazione sanitaria, possiamo aiutare a migliorare i risultati per molte persone. L'obiettivo finale è garantire che tutti i pazienti ricevano informazioni sanitarie chiare e comprensibili su cui possono agire.

Questo approccio potrebbe portare a individui più sani e potenzialmente ridurre i costi sanitari nel tempo. Con un focus continuo sulla semplificazione delle comunicazioni sanitarie, possiamo lavorare verso un sistema sanitario efficace e accessibile a tutti.

Fonte originale

Titolo: Using machine learning to improve the readability of hospital discharge instructions for heart failure

Estratto: BackgroundLow health literacy is associated with poor health outcomes. Hospital discharge instructions are often written at advanced reading levels, limiting patients with low health literacy ability to follow medication instructions or complete other necessary care. Previous research demonstrates that improving the readability of discharge instructions reduces hospital readmissions and decreases healthcare costs. We aimed to use artificial intelligence (AI) to improve the readability of discharge instructions. Methodology/Principal FindingsWe collected a series of discharge instructions for adults hospitalized for heart failure (n=423), which were then manually simplified to a lower reading level to create two parallel sets of discharge instructions. Only 343 sets were then processed via AI-based machine learning to create a trained algorithm. We then tested the algorithm on the remaining 80 discharge instructions. Output was evaluated quantitatively using Simple Measure of Gobbledygook (SMOG) and Flesch-Kincaid readability scores and cross-entropy analysis and qualitatively. Using this test dataset (n=80), the average reading levels were: original discharge instructions (SMOG: 10.5669{+/-}1.2634, Flesch-Kincaid: 8.6038{+/-}1.5509), human-simplified instructions (SMOG: 9.4406{+/-}1.0791, Flesch-Kincaid: 7.2221{+/-}1.3794), and AI-simplified instructions (SMOG: 9.3045{+/-}0.9531, Flesch-Kincaid: 7.0464{+/-}1.1308). AI-simplified instructions were significantly different from original instructions (p

Autori: Nathan Cannon, A. W. Tuan, D. Foley, N. Gupta, C. Park, K. Chester-Paul, J. Bhasker, C. Pearson, A. Amarnani, Z. High, J. Kraschnewski, R. Shah

Ultimo aggiornamento: 2023-06-20 00:00:00

Lingua: English

URL di origine: https://www.medrxiv.org/content/10.1101/2023.06.18.23291568

Fonte PDF: https://www.medrxiv.org/content/10.1101/2023.06.18.23291568.full.pdf

Licenza: https://creativecommons.org/licenses/by/4.0/

Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.

Si ringrazia medrxiv per l'utilizzo della sua interoperabilità ad accesso aperto.

Altro dagli autori

Articoli simili