当我们得到朋友，家人和社区的一点帮助时，我们在健康挑战期间会更好。也许是人工智能的帮助。

南卡罗来纳医科大学(MUSC)的研究人员对自然语言处理(NLP)软件进行了培训，以寻找电子健康记录(EHR)中临床记录中社会隔离的提及。NLP是一种人工智能，试图使人类语言对计算机“可读”。一旦受到MUSC团队的培训，NLP就能确定90%的社交孤立患者。BioMed Central Medical Informatics and Decision Making报告了这些发现。

社会孤立是健康的“社会决定因素”之一，是影响幸福和健康的人生活方面。社会决定因素的其他例子是收入，教育，种族和婚姻状况。这些社会决定因素已经在临床试验中被证明可以像血压和糖尿病这样的常见嫌疑人一样影响健康结果。

“我们从细致的证据中知道，社会决定因素对医疗保健和健康结果非常重要，”该文章的资深作者Chanita Hughes-Halbert博士说。“社会隔离是一个非常重要的社会决定因素，因为它反映了人们认为他们具有高度联系和支持的程度。”

Hughes-Halbert是MUSC的精神病学和行为科学教授。她还指导一个由美国国立卫生研究院(NIH)资助的中心，专注于精确医学和MUSC Hollings癌症中心的少数民族男性健康。“我们中心的任务是确定社会，临床，心理和行为数据与基因组信息相互作用的方式，从而导致疾病风险并影响男性对治疗方案的反应，”Hughes-Halbert解释说。

“作为其中的一部分，我们真的对社会决定因素所扮演的角色感兴趣。”

像许多团队使用人工智能来解锁EHR中的洞察力一样，MUSC团队与主题专家Hughes-Halbert和生物信息学团队配对。

生物信息学团队由医学博士，硕士，MUSC首席研究信息官兼MUSC生物医学信息中心(BMIC)主任Leslie Lenert领导。其他团队成员包括文章的第一作者Vivienne Zhu，MD，MS，以及BMIC的Jihad Obeid，以及精神病学和行为科学系的Brian Bunnell博士。

该团队聚集在一起寻找一种方法，帮助医生通过了解患者的健康社会决定因素，包括社会孤立来提供护理。美国国家医学院呼吁医生记录EHR中的社会决定因素。然而，忙碌的医生并不总是有时间这样做。即使他们这样做，当前的EHR也无法将许多社会决定因素的信息作为编码数据输入。充其量，医生可以在临床记录中提及与患者讨论社会孤立的问题。

“当人们去看医生时，他们会谈论社会隔离和健康的其他决定因素。但你不会在编码数据中找到它，”朱解释说。

“你必须看一下临床记录 - 这就是嵌入信息的地方。”人类需要花费数月的时间来整理笔记，寻找社会孤立的提及。相比之下，NLP软件通过55,516个临床记录梳理了包含来自3138名前列腺癌患者的150,990份文件，仅需8秒即可完成训练数据集。

“我不知道这个前列腺癌数据集中有多少成千上万的文件，”Lenert解释说。

“对于一个人来说，通过阅读进行抽象是太多了，但对于一台计算机来说它相对容易。”

经过培训，NLP能够分析来自1057名患者的一组新文件，并确定90%准确性的社会孤立患者。

“这非常准确，”Lenert说。“它表现良好，但问题仍然是一些医生不对这些问题发表评论，因此不要为NLP留下任何痕迹。”

人工智能在这方面也有帮助。Lenert和生物信息学团队希望他们可以使用另一种称为机器学习的人工智能来识别哪些临床和其他特征是社会孤立患者的特征。然后，机器学习可以在EHR中搜索具有该特征星座的患者。即使医生在临床记录中没有明确提及社会隔离，它也能够识别出社会孤立的患者。

未来的研究将需要为社会孤立的患者开发和测试干预措施。目前，这些患者可以转诊到基于医院和社区的支持服务。

由MUSC团队开发的NLP策略可以应用于其他健康的社会决定因素，特别是那些不能作为编码数据输入的社会决定因素，以及其他疾病。该团队已经在使用NLP来识别金融不安全和酗酒的患者。

MUSC将其在NLP方面的专业知识部分归功于美国国立卫生研究院资助的南卡罗来纳州临床与转化研究所(SCTR)。SCTR是MUSC的临床和转化科学奖中心。

“NLP的一般专业知识，访问笔记的基础设施以及对软件的一些支持来自SCTR，”Lenert说。

从某种意义上说，NLP可以帮助医生更好地“倾听”他们的患者，在更广泛的生活环境中了解他们的健康挑战，并提供更加明智和细致的护理。

“有时医生过分关注'医疗'问题，并且没有足够重视人们生活的环境以及影响他们健康的社会方面，”Lenert说。

“我们的研究再次强调了解这些信息的重要性，以便为患者提供最好的护理。”