ในยุคที่เทคโนโลยีเข้ามามีบทบาทในชีวิตของทุกคน เข้ามาเป็นแรงผลักดันให้เกิดการเปลี่ยนแปลงมากมาย รวมถึงทำให้การสื่อสารระหว่างภาษามนุษย์และคอมพิวเตอร์เป็นจริงขึ้นมาได้
Natural Language Processing เรียกกันสั้นๆว่า NLP เป็นหนึ่งในเทคโนโลยีปัญญาประดิษฐ์ (Artificial Intelligence) ที่ทำให้คอมพิวเตอร์เข้าใจภาษาของมนุษย์ โดยการใช้ Machine Learning เข้ามาประมวลผลการสื่อสารในรูปแบบต่างๆ ไม่ว่าจะเป็น ข้อความจากลายมือ ข้อความเสียงจากการพูดหรือบทสนทนา และเอกสารทางการต่าง ๆ
ในบทความนี้ เราจะมาดูกันว่า Natural Language Processing API ซึ่งถูกพัฒนาโดย Google Cloud Platform (GCP) สามารถทำอะไร และองกรค์สามารถนำไปใช้ช่วยในทางการแพทย์ได้อย่างไร
ปัญหาของข้อมูลด้านการแพทย์ และการนำ NLP เข้ามาใช้
คุณภาพของการรักษาขึ้นอยู่กับการแลกเปลี่ยนข้อมูลด้านการแพทย์ แต่กว่า 80% ของข้อมูลด้านการแพทย์นั้นเป็นข้อมูลแบบ unstructured เป็นได้ทั้งภาพ เสียง หรือ text ซึ่งยากต่อการวิเคราะห์ โดยเฉพาะเมื่อข้อมูลนั้นมีคำศัพท์ทางการแพทย์ปะปนอยู่มากมาย ยากที่คนทั่วไปจะเข้าใจได้ ผู้เชี่ยวชาญหรือคนทำงานในสายเท่านั้นที่จะเข้าใจ
ด้วยการนำ Natural Language Processing เข้ามาใช้ ทำให้ทุกวันนี้เราสามารถดึงข้อมูลจากเวชระเบียน (medical records) บทสนทนาคอลเซ็นเตอร์ แบบฟอร์มการแพทย์ เอกสารการรักษา รายงานการวิจัย เครมประกัน เอกสารการจัดการยา และอื่นๆอีกมากมาย
ช่วยให้แพทย์ และทีมรักษาพยาบาล เข้าใจมุมมองแบบองค์รวมของคนไข้ได้อย่างรวดเร็ว ช่วยบริษัทยาในการดึงข้อมูลเชิงลึกจากการวิจัยและการพัฒนายา และสามารถช่วยให้เห็นแผนสุขภาพเทรนประชากรของสมาชิก
Natural Language Processing API ของ Google
Natural Language Processing API ของ Google ประกอบไปด้วย feature 4 อย่าง ที่จะช่วยค้นหาความเชื่อมโยง ประเมิน และเชื่อมต่อองค์ความรู้ทางการแพทย์จากข้อมูลที่มีเข้าด้วยกัน
- Knowledge Extraction: สรุปหัวข้อหรือแนวคิดทางการแพทย์จาก text
- Relation Extraction: ค้นหาและเชื่อมต่อคุณสมบัติทางการแพทย์เข้าด้วยกัน
- Context Assessment: ประเมินปัจจัยแวดล้อมที่อาจจะเกี่ยวข้องทางคลินิค
- Knowledge Linking: ทำให้คอนเซ็ปอยู่ในมาตรฐานเดียวกันเพื่อให้ง่ายต่อการวิเคราะห์
ยกตัวอย่างข้อมูลของคนไข้คนหนึ่งให้เห็นภาพง่ายๆ คือ NLP API สามารถเข้าใจข้อมูลยาที่ใช้ในการรักษา โรคประจำตัว หรือการที่คนไข้ไม่ได้มีโรคใดๆ เช่น ไม่ได้เป็นเบาหวาน เข้าใจการรักษาชั่วคราวอย่างคนไข้คนนี้กำลังจะเข้ารับยาเคมีบำบัดตั้งแต่วันพรุ่งนี้เป็นต้นไป หรือแม้แต่ความสัมพันธ์ระหว่างสิ่งต่างๆ เช่นผลข้างเคียง หรือ ปริมาณยาที่ได้รับ เป็นต้น
การที่คอมพิวเตอร์สามารถเรียนรู้และเข้าใจภาษามนุษย์ดีถึงขนาดเข้าใจคำศัพท์และข้อมูลทางการแพทย์ได้มากขนาดนี้นั้น เกิดจากการเทรนโมเดลผ่านข้อมูลจากหลากหลาย industry จากคลังเด่นๆที่ตามลิสด้านล่างนี้
- ICD10CM: เป็นระบบที่แพทย์และผู้ให้บริการสาธารณสุขใช้ในการจำแนกโรค และอาการของผู้ป่วย จากบันทึกผู้ป่วยในและผู้ป่วยนอก
- SNOMED: คำศัพท์ทางการแพทย์ที่เป็นมาตรฐานสากล
- RxNorm: โค้ดด้านกระบวนการประกัน และรายการยาที่มีอยู่
ประโยชน์และการบูรณาการ Healthcare NLP API
เราสามารถใช้ Healthcare NLP มาเป็นเครื่องมือในการสร้างแอปพลิเคชั่นสำหรับโรงพยาบาล คลินิค หรือสร้างระบบสำหรับทั้งองค์กรได้ เช่น การค้นหาข้อมูลที่แม่นยำจากข้อมูลคนไข้ทั้งหมด การแลกเปลี่ยนข้อมูลคนไข้ผ่านทางดิจิตอล เพื่อลดการประมวลผลที่ล่าช้า การสร้างและรักษาการกำกับดูแลและการปฏิบัติตามกฎระเบียบ การ automate ระบบงานด้านธุรการเพื่อลดการทำงานซ้ำที่ไม่จำเป็น
Healthcare NLP API สามารถบูรณาการเข้ากับบริการอื่นๆของ Google ได้ ตั้งแต่การสร้าง Chat bot โดยรวมเข้ากับ Dialogflow รวมเข้ากับ AutoML สร้างแอปพลิเคชั่นในการเทรนโมเดลโดยที่แทบจะไม่ต้องใช้โค้ด แค่ทำการโหลดเอกสารหรือข้อมูลทางการแพทย์เข้าไปและระบุว่าต้องการหาอะไร และนำไปใช้กับ data pipeline ได้
นอกจากนี้ยังสามารถรวมเข้ากับ Document AI ในการประมวลผลเอกสาร fax จะเห็นได้ว่า Natural Language Processing สามารถช่วยลดช่องว่างในการเข้าถึงการรักษา และลดภาระการทำงานของแพทย์และพยาบาลอย่างมากเลยทีเดียว
การเข้าใช้งาน Healthcare NLP API
การเริ่มต้นใช้งาน Healthcare NLP API นั้นสามารถเข้าไปลองใช้งานได้สองทางโดยผ่าน UI หรือ Command Line ทำการเลือกโปรเจค ตั้งค่า permission เพียงเท่านี้ก็เริ่มใช้งานโมเดลในการดึงข้อมูลหรือหาความสัมพันธ์ของข้อมูลที่ต้องการได้
หากองค์กรของคุณกำลังคิดจะสร้างTeleHealth แอปพลิเคชั่น ต้องการพัฒนาระบบด้าน Healthcare ไม่ว่าจะเป็นโรงพยาบาล คลินิค ที่ตามหาระบบและบริการที่รองรับการเติบโตขององค์กร หากมีไอเดีย ข้อสงสัย หรือต้องการที่ปรึกษาด้านเทคโนโลยีเกี่ยวกับ Healthcare NLP API และ Google Cloud สามารถ ติดต่อพูดคุยกับทีมงาน CloudHM ได้เลยนะคะ
สำหรับในโอกาสหน้า เราจะหาบริการที่น่าสนใจมาเล่าให้ฟังกันอีกนะคะ
— Cloud HM