專家看新創
ChatGPT的底層技術「轉換器」(Transformer),Jubo如何讓資訊系統更了解「護理紀錄」
2023-06-06

「護理紀錄」是指護理人員對住民接受護理照護過程的記錄,可以幫助醫護人員了解住民的病情、治療進展和接受照護後的狀況,對於改進醫療照護的品質相當重要。同時,它也是機構的法律文書,當發生醫療糾紛時,屬於重要證據。因此,正確、詳細和準確的護理紀錄,對於長照機構和住民雙方,都具有重要意義。長久以來,護理資訊系統「被動」蒐集資料,Jubo 利用自然語言處理技術,「主動」協助完成各式紀錄...

 


| 劉正揚、康仕仲(智齡科技) |

 

「護理紀錄」是指護理人員對住民接受護理照護過程的記錄,可以幫助醫護人員了解住民的病情、治療進展和接受照護後的狀況,這些資料對於改進醫療照護的品質相當重要。同時,它也是機構的法律文書,當發生醫療糾紛時,屬於重要證據。因此,正確、詳細和準確的護理紀錄,對於長照機構和住民雙方,都具有重要意義。在 Jubo 系統中有上百個模組,護理紀錄在其中佔 10.3% 的使用量。每位住民平均每週產生 4.8 筆護理紀錄,排名所有模組的第二名,僅次於生命徵象 [1]。長久以來,護理資訊系統「被動」蒐集資料,Jubo 利用自然語言處理技術,「主動」協助完成各式紀錄。

 自然語言處理(Natural Language Processing, NLP)是人工智慧(Artificial Intelligence, AI)和機器學習(Machine Learning)領域中的一個重要分支,這個研究領域致力於讓電腦如何理解、處理和生成人類語言,ChatGPT 是重要的里程碑。ChatGPT 是一個基於 GPT(Generative Pre-trained Transformer)AI 模型的自然語言生成模型。GPT 模型採用 Transformer 架構, 相比傳統的循環神經網路,更能捕捉上下文關係,同時解決自然語言中多個任務,文章翻譯、文章生成、文章摘要等。Jubo 利用最新 Transformer 技術開發新一代護理資訊系統,分析護理紀錄、歸納護理焦點,並協助護理作業。

Transformer 最初由 Google 提出,並在 2017 年的論文『Attention Is All You Need』中首次介紹。Transformer 模型由「編碼器」(Encoder)和「解碼器」(Decoder)兩個部分構成,其中 Encoder 將輸入句子轉換為特徵向量(一串模型學習的數字),Decoder 則用特徵向量輸出新的句子。其中,Encoder 和 Decoder 利用自注意力機制(self-attention mechanism),此機制可以讓模型自動決定句子或文章中每個字或詞對於文章的重要性,而將注意力集中在關鍵的字詞上。這類的模型通常需要龐大資料作為訓練,例如BERT(Bidirectional Encoder Representations from Transformers)模型訓練使用共 33 億個字(tokens)、ChatGPT的前身GPT3則用1750億個字(tokens)進行訓練。所幸我們可以利用遷移式學習(transfer learning),把以上訓練好的模型在照護資料上進行微調(fine-tuning)。Jubo 從護理紀錄中提取約 384 萬字,對以上模型進行微調 [1],建立能了解護理專業的大型語言模型(Large Language Model, LLM)。

 我們用護理焦點分析,作為 LLM 其中一個淺顯易懂的應用。護理焦點是護理專業的核心,用以描述患者護理需求和治療目標的摘要,例如疼痛管理、感染預防、情緒支持等。根據患者的狀況和問題,醫護人員可設定一個或多個護理焦點,並定期更新該焦點的相關紀錄。Jubo LLM 根據資料庫內過去的護理紀錄、以及護理人員標注出的護理焦點,學習和理解潛在的模式和關聯。利用 Transformer 模型進行護理焦點分析,我們能準確地從紀錄中提取出患者的護理需求和治療目標,預測可能的護理焦點。Jubo 系統內,當一個新的護理紀錄完成填寫時,AI 模型就能自動生成護理焦點,幫助護理人員更好地理解和管理大量護理資料,例如,當護理師填寫:『洗腎返回今重1.7kg,現坐大廳用餐,無不適』,系統則能夠預測出護理焦點為:『血液透析, 家屬來電, 水腫』。Jubo LLM 預測前五個相關護理焦點的準確率,目前已達 96% [1]。

隨著 ChatGPT 的問世,2022 嚴然成為 AI 元年,Jubo LLM 的護理焦點預測只是牛刀小試,更多的醫療照護應用將如雨後春筍般冒出。例如,LLM 可以自動將護理紀錄分類,從而協助護理人員節省時間和提高準確性;甚至結合生理數據自動進行護理紀錄的生成或摘要,從而幫助護理人員更快地理解和總結大量護理資料。這些應用都能提高護理紀錄的準確性和完整性,同時減少醫護人員的工作量,提供更好的照護。隨著高齡化以及勞動力短缺,在有限的資源中,要協助醫護人員提供高品質醫療和護理照護,AI 將會是關鍵技術。期待未來 AI 會成為人類最好的工具,它的出現並不是為了取代人類,而是「提升人類整體水平」[2]。



※Jubo 透過 LLM 底層技術 Transformer 理解護理紀錄之示意範例圖。(圖片來源: 智齡科技)

智齡科技

全台最大智慧照護科技公司,市場佔有率逾30%的智齡科技,企業總部位於台灣台北,擁有南台灣(嘉義)辦公室、北美子公司、新加坡子公司、日本及海外業務據點。100 位跨領域國際人才匯聚,Jubo智齡科技透過獨特的資訊軟體平台、資料科學、人工智慧技術、產業夥伴鏈結、國際標準資安,發展具平台思維的智慧高齡、醫療產品服務。十年耕耘,已跨足長照、日照、居家、醫療及智慧照護空間。服務的健康照護機構、長輩、家人、產業夥伴已超過數萬人。Jubo智齡科技持續佈局國際市場及網絡,邁向全球最大AI・醫療・照護生態圈。

 

本文感謝 李宏毅教授 機器學習 2023 教材分享 [2];感謝江昇儒、吳書澔、陳采均(智齡科技)協助資料蒐集 [1] 與撰寫。

 

 

 

本網站中所有資料(包括影音.文字.圖表.數據等) ,均屬於本中心或各該新創企業團隊之專屬財產,如有引用,請確實註明出處來源。 <完整資訊>
財團法人生技醫療科技政策研究中心 版權所有
Copyright © 2012 - 2024 Research Center for Biotechnology and Medicine Policy (RBMP). All Rights Reserved