Holmusk anuncia nueva publicación

USA - English

USA - Deutsch

USA - Français

News provided by

Feb 16, 2021, 04:47 ET

- Holmusk anuncia nueva publicación: Modelos de procesamiento del lenguaje natural basados en aprendizaje profundo que traducen notas de psiquiatría no estructuradas en medidas cuantificables

La publicación detalla cómo los modelos NLP de Holmusk pueden transformar notas de psiquiatría no estructuradas de EHR en un formato cuantificable y estructurado para permitir el análisis y perspectivas ricas.

SINGAPUR y NUEVA YORK, 16 de febrero de 2021 /PRNewswire/ -- Holmusk, una compañía de ciencia de datos y salud digital global líder que construye la mayor plataforma de evidencia en el mundo real (RWE, por sus siglas en inglés) para salud conductual, ha anunciado hoy la publicación de su artículo científico "Natural Language Processing-Based Quantification of the Mental State of Psychiatric Patients", in Computational Psychiatry (MIT Press). Texto completo aquí: https://cpsyjournal.org/articles/10.1162/cpsy_a_00030/.

Con esta publicación, Holmusk ha validado su única biblioteca de modelos patentados de Natural Language Processing (NLP) que traducen las notas de psiquiatría no estructuradas en indicadores cuantificables de los estados del paciente (p. e., síntomas, efectos secundarios y factores estresantes externos). Utilizados para enriquecer datos que residen dentro de sistemas sanitarios, estos indicadores cuantificables pueden estimar la gravedad de la enfermedad del paciente en el espectro de desórdenes de salud conductual y crear trayectorias longitudinales del estado del paciente. Estableciendo estos indicadores cuantificables, los modelos de Holmusk generan evidencia del mundo real robusta sobre la progresión de la enfermedad y eficacias de los tratamientos para desórdenes psiquiátricos por primera vez. Holmusk utilizará las medidas objetivas de estos modelos para apoyar e cuidado basado en medidas y personalizar la aplicación de cuidados en la salud conductual en los sistemas sanitarios.

"Utilizando las etiquetas NLP, podemos generar información estructurada sobre estados mentales de los pacientes desde notas clínicas sin texto y podemos cuantificar la gravedad de las enfermedades mentales basándonos en estas etiquetas utilizando algoritmos de aprendizaje profundo. Lo que es más, extrayendo etiquetas psiquiátricas importantes directamente desde notas clínicas, podemos evitar el arduo problema del anonimato, que abre increíbles posibilidades de aplicar técnicas analíticas cuantitativas a todas las notas psiquiátricas disponibles", comentó Sankha Mukherjee, científico sénior de datos en Holmusk y principal autor.

Con la creación de esta biblioteca, el equipo Data Science (AI) de Holmusk utilizó su sistema Electronic Health Records (EHR) de salud conductual, MindLinc. Los modelos convierten más de 20 años de notas de registro de salud electrónica de MindLinc Global Database de Holmusk en más de 240 dimensiones psiquiátricamente relevantes. Combinadas con aprendizaje basado en máquina, estas dimensiones ofrecen una mayor precisión a la gestión diaria y tratamiento de las enfermedades.

"La recopilación fiable y sistemática de Holmusk de notas clínicas para evaluar los resultados en pacientes, médicos y sistemas sanitarios es un gran avance en habilitar un sistema de cuidado de la salud basado en el aprendizaje. Permite decisiones y resultados hechos con pacientes anteriores para informarnos con evidencia en el mundo real sobre cómo atender mejor a los futuros pacientes", destacó A. John Rush, MD, profesor emérito en Duke-NUS Medical School, profesor adjunto en Psychiatry and Behavioral Sciences de la Duke Medical School, y asesor científico de Holmusk.

Robustos y escalables, los modelos NLP de Holmusk permiten que la información se extraiga de datos EHR no estructurados recogidos en la práctica clínica de salud conductual, un proceso antes manual que consumía mucho tiempo.

"En Holmusk, no estamos esperando recoger datos perfectos para analizar y generar perspectivas. Poder analizar la información rica y diversa en notas clínicas en un formato estructurado y cuantificable es un potencial elemento revolucionador para la salud conductual. Por primera vez, nuestro enfoque nos permitirá segmentar realmente la población de pacientes no solo mediante diagnóstico sino por grupos de síntomas y gravedad de los pacientes que pueden correlacionarse adecuadamente con fármacos para ensayos clínicos y práctica en el mundo real", explicó el director de Análisis de Holmusk, Joydeep Sarkar.

Datos de citación científica: Mukherjee S.S., Yu J., Won Y., McClay M.J., Wang L, Rush A.J., Sarkar J. (2020). Natural Language Processing-Based Quantification of the Mental State of Psychiatric Patients. Computational Psychiatry, Volume 4, 76-106. https://doi.org/10.1162/cpsy_a_00030

Acerca de Holmusk:

Holmusk es una misión de transformar las vidas de las personas con salud conductual y enfermedades crónicas a través de medicina impulsada por la evidencia. Con sede en Singapur y huella global, Holmusk desarrolla soluciones digitales para avanzar la innovación, investigación y cuidado de la salud, y está creando la mayor plataforma de evidencia en el mundo real global para salud conductual y enfermedades crónicas. En 2020, Holmusk recaudó 21,5 millones de dólares estadounidenses durante su recaudación de fondos de serie A dirigida por Optum Ventures y Health Catalyst Capital.

La plataforma de análisis de Holmusk sintetiza datos del mundo real (RWD) con modelos de progresión de enfermedad patentada para crear perspectivas accionables para investigación de la salud conductual, innovación y proporción de cuidados. La plataforma de evidencia en el mundo real de Holmusk, NeuroBlu, está impulsada por una de las mayores bases de datos conductuales de-identificadas longitudinales, con datos de más de 550.000 pacientes recogidos durante más de 20 años y más de 20 millones de visitas. Holmusk mejora continuamente su base de datos asociándose con sistemas sanitarios a nivel global. Además, Holmusk crea soluciones de salud digital que mejoran la implicación de pacientes, respaldan la auto-gestión de la enfermedad y captan resultados notificados por el paciente para guiar las decisiones y análisis clínicos. Para más información, visite www.holmusk.com