周俊:助力医学事务职能提速的数字化三部曲

2020
07/28

+
分享
评论
火石数智
A-
A+

01

VIEWPOINT

如何助力医学人提高文献阅读的敏捷性

众所周知,医学人苦“文献”久矣。特别是在阅读文献的时候,面对堆满案头、满屏专业术语、甚至非母语的各种PDF文档。

阅读医学文献确实存在检索耗时、多语种、内容专业、有效阅读难等技术壁垒。智能医学时代,大数据和人工智能是否可以让各位医学人在“修炼学术”的道路上走得更轻松?为了解答这个问题,火石数智的周俊博士在第五届中华医学事务年会“医学信息,‘变’赢未来”分论坛上,分享了医学信息数字化建设中,“分析数据→挖掘信息→知识提炼→赋能传递”的产品打造之路。

l 实现医学文献快速检索和高效阅读 

医学信息其实非常庞杂和丰富。每年全世界发表超过50万篇医学领域的学术文章,世界科技期刊近10万种。发表文章数量最多的五大世界医学领域包括肿瘤学、神经科学、药理学和制药学、外科学,以及公共卫生,每个领域每年有超过3万篇文章发表在国际同行评审出版物上。(数据来源:俄罗斯国立高等经济学院统计研究与知识经济学研究院)

一般查找和读懂1篇3000字文章至少需要20~30min,而有目的性的文献读取只需要3~5min就可以完成。为了加速检索和阅读的进程,把一篇篇文章变成一个个数据节点,需要依据以PICO(s)原则为基础的指标体系来进行算法提取,再通过云计算等数据调用的方式进行智能化应用,最后让医学信息的阅读和管理更加高效。

PICO(s)是一种基于循证医学(EBM)理论,将信息格式化的检索方式。为了将问题分解得更加清楚,也为了更精准地找到合适可用的证据,研究者们总结出了各类思维模型,而其中最具代表性和实用性的就是PICO(s),其中P指Participants(研究对象),I指Intervention(干预手段),C指Comparator/Control(对比对照),O指 Outcome(研究结果,终点),S指Study design (研究设计)。通过PICO(s)的问题刻画和进行要素分解,往往复杂且晦涩的临床研究问题都可以迎刃而解。

文献结构化的过程就像庖丁解牛,最后参照不同的菜谱可以把不同的部位做成不同的菜。

智能医学内容中心(AIMed)在搭建过程中,训练AI模型基于PICOs的分解方式把多源异构的文献数据进行庖丁解牛式拆解,抽取文献中包含的指标信息,形成一个个的标签,转化为高度结构化数据,来支持信息的快速调用和检索。周俊博士讲述如何通过大数据和AI算法处理医学文献的时候,提到“医学文献-医学内容再造”的过程并不只是冰山表面展现的浮冰,而是冰面下隐藏着的更大“主体”,要经过多重技术提炼,才能让最后的医学内容看起来更贴合实际场景应用。

丰富的标签体系能帮助用户在检索文献的时候,快速根据标签找到想要的内容。完整的PICO(s)是由多个标签组成的,这些标签可以被AI利用形成学习逻辑,并通过大量文献的灌输,AI可以高速精确地提取我们需要的信息,将人工繁琐的检索和阅读时间大大降低。

基于已经结构化后的医学文献,从学术文献中快速挖掘证据和洞见成为可能。比如甄别出药物核心专利就是医学文献数据生成洞见的典型案例。“药物-专利链接”为分析产品-技术之间的关联和转化,进而追溯技术所依赖的基础知识和科技投入提供了客观、高质量数据。

换句话说,通过将一篇篇PDF格式的文献导入AIMed形成结构化后的文献数据,让医学人可以用循证的眼光去阅读文献。甚至可以将结构化后的文献数据进行Meta分析,将不同的文献进行指标对比,把这些不同的信息整合成一个更高等级的证据。助力医学人更好的发paper、形成汇报PPT、Newsletter、DA,甚至用于赋能对话机器人的问答对等等。

l 医学文献大数据的共享管理 

医学人还有一个很大的工作感受引起了与会同道的共鸣,那就是企业内部的医学信息传递不够高效。作为医学信息部门,如何将已经处理分析的医学内容和证据传递给不同的需求部门?每个需求部门对于医学内容的体量、形式、关键点、洞见方向要求都不一样,可能需要不同的文献组合。如果没有一个文献数据的统一分享管理平台,将不同需求方进行权限分级,这样的内部信息传递是不够敏捷的。而AIMed通过部署在线上环境的平台进行信息共享和协同,医学人可以通过这个窗口实现不同部门之间的医学文献数据交流与合作。

02

  VIEWPOINT

如何用省时省力的方式来做医/患诉求洞察

在数字化的浪潮还没有到来之前,企业如何做医患诉求的洞察?一般来说,常用线上/线下问卷调研、电话问询、甚至纸质化的信息记录方式,辛辛苦苦收集了几千个样本,再录入电脑进行手工数据分析生成洞察报告。在数字化浪潮来临之后,我们挖掘了更省时省力、样本量更大的洞察方式。比如说,“火石知了”通过社交媒体聆听的方式,借助大数据挖掘的工具,全网检索医学相关信息,来收集和归纳医生和患者的提问,进行大数据分析,助力医学人洞察医生对产品的熟悉度,患者对疾病或产品的认知程度,挖掘未被满足的需求以及亟待完善的证据,能够支持我们药品从研发、市场准入、成长到成熟期打造针对性的医患教育。

区别于传统调研方式,社交媒体聆听在实现洞察方面还有更多优势。帕金森患者早上、中午和晚上的症状其实都不一样。如何通过社交媒体聆听的方式获取更多细节和真实证据?如果能够通过大数据手段得到更多信息,可能会影响医生对于治疗手段的选择,例如:在联合用药方案上的选择;甚至能对患者家属做好更精准的教育,比如:如何判断和预测不同阶段的患者症状。另一方面,我们可以针对‘运动并发症’这个关键词收集医生建议和患者对于治疗方式的接受程度的差异,得出我们对于医生治疗方式与患者接受程度是否匹配的洞见。

03

  VIEWPOINT

如何提高认知转化,成为信息交互的全新载体

基于医学文献高效整理了高质量的医学证据,又通过更加省时省力的方式洞察了医患诉求,我们最终目的都是为了更精准的实现认知转化。传递载体需要更新,医学对话机器人(Chatbot)能够更广泛覆盖医生和患者的认知转化。

为了达到价值传递最大化的目的,药企要面对医生群体进行广泛的学术价值传播。医药企业传递的医学价值包括:向医生传递药物成分、药物特性、临床研究成果、临床实践经验、主要可能的不良反应、用法用量等信息,通过全面且准确地传递产品医学信息,让不同层级、不同地域、不同接受度的医生广泛了解产品特点,更好地为临床合理用药赋能。

在药品生命周期的不同阶段,医学对话机器人可以实现不同的认知转化场景。比如在药品的成长期,随着医生患者对产品认知的提升,药品进入销量迅速增长的阶段,客户数呈指数级增加,如何覆盖庞大的客户群并实现医学信息的高效传递,医学对话机器人可将关键产品以及疾病知识整合成知识库,为用户提供随时随地、方便快捷的医学问询回复。

同时,医学对话机器人能与医生患者产生互动,进行临床疑惑和用药疑惑解答,通过追踪用户数据和问询的相关指征,对大量数据进行分析,挖掘患者未满足治疗需求点,真正实现以患者为中心的药品推广模式并驱动精准的患者管理。

—END—

作者:周俊、Eve

声明:本文为火石数智原创文章,欢迎个人转发分享,网站、公众号等转载需经授权。

原标题:周俊博士:助力医学事务职能提速的数字化三部曲

本文由作者自行上传,并且作者对本文图文涉及知识产权负全部责任。如有侵权请及时联系(邮箱:guikequan@hmkx.cn
关键词:
数字化,医学人,医生

人点赞

收藏

人收藏

打赏

打赏

我有话说

0条评论

0/500

评论字数超出限制

表情
评论

为你推荐

推荐课程


精彩视频

您的申请提交成功

确定 取消
剩余5
×

打赏金额

认可我就打赏我~

1元 5元 10元 20元 50元 其它

打赏

打赏作者

认可我就打赏我~

×

扫描二维码

立即打赏给Ta吧!

温馨提示:仅支持微信支付!