Medical Prescription in Hospital Environment

Abstract

Medical prescription in hospital environment, also known as internal prescription, consists of a periodic task in which doctors should visit the patient, reassess them, re-evaluate the current therapy, and, when necessary, add, remove, or change some components. The doctor should repeat this task typically daily for all the hospitalized patients under his/her responsibility. In the reality of the health units that use MedicineOne's software, the M1, each patient visit is accompanied by a nursing trolley that includes, among other things, a laptop computer. This computer serves both for information acquisition and for manual insertion of new information on M1. This manual insertion of data into M1 consumes excessive time, contributing to the overload of doctors. With that, the time allocated to healthcare tasks is reduced, overwork makes doctors more susceptible to failure, and as a consequence, the quality of care is likely to be lower.This project focuses on developing a support system to optimize the internal prescription process. This solution uses both Automatic Speech Recognition and Natural Language Processing - namely entity recognition and relationship extraction - technologies so that doctors can replace the manual insertion of information on M1 by dictating the same information to their phone in natural language. For that, the system includes a mobile application for iOS, in which the doctors record their dictation. Through transcription, interpretation, and processing of the medical dictation, the system should identify the relevant information, process it, and return it structured to the user. By its turn, the user can edit that information and, when satisfied with the result, can simulate its sending to M1, updating the patient's current therapy. When it is inappropriate to dictate the prescription, the doctor can enter it textually into the application, being that text interpreted and processed in the same way. Testing was done during the development of the system. In these, a performance of 88.02% was achieved with the system's Automatic Speech Recognition component and the Natural Language Processing component achieved 86.33% performance for entity recognition and 83.60% for relationship detection. Besides that, the tests verified both the task's success when done using the developed system and the reduction in the time required to do it.

A prescrição médica em ambiente hospitalar, também conhecida como prescrição interna, consiste numa tarefa periódica na qual os médicos devem visitar o paciente, reavaliá-lo, reavaliar a terapêutica actual e, quando necessário, acrescentar, retirar ou alterar algum componente da mesma. Esta tarefa deve ser repetida tipicamente diariamente para todos os pacientes em contexto de internamento pelos quais o médico é responsável. Na realidade das unidades de saúde que utilizam o software do MedicineOne, o M1, a visita a cada um dos pacientes é acompanhada por um carrinho de enfermagem que inclui, entre outros, um computador portátil. Este computador serve tanto para a obtenção de informação como para a inserção manual de nova informação no M1. Esta inserção manual da informação no M1 consome tempo excessivo, contribuindo para a sobrecarga dos médicos. Com isto, o tempo destinado às tarefas de saúde é reduzido, o excesso de trabalho torna os médicos mais susceptíveis a falhas e, como consequência, a qualidade dos cuidados de saúde é susceptível de ser inferior.Para optimizar o processo de prescrição interna, este projecto centra-se no desenvolvimento de um sistema de apoio à tarefa. Esta solução recorre a tecnologias de Reconhecimento Automático de Fala e de Processamento de Linguagem Natural - nomeadamente reconhecimento de entidades e extração de relações - para que os médicos possam substituir a inserção manual de informação no M1 pelo ditado em linguagem natural da mesma informação para o seu telemóvel. Para tal, o sistema inclui uma aplicação móvel para iOS, na qual é gravado o ditado do médico. Através da transcrição, interpretação e processamento do ditado médico, o sistema deve identificar a informação relevante no mesmo, processá-la e devolvê-la estruturada ao utilizador. Por sua vez, o utilizador pode editar essa informação e, quando satisfeito com o resultado, pode simular o seu envio para M1, actualizando a terapêutica actual do doente. Quando não for adequado ditar a prescrição, o médico pode introduzi-la textualmente na aplicação, sendo esse texto interpretado e processado da mesma forma. Durante o desenvolvimento do sistema foram efectuados testes. Nestes, uma performance de 88,02% foi obtida com a componente de Reconhecimento Automático de Fala do sistema, tendo a componente de Processamento de Linguagem Natural obtido uma performance de 86,33% para o reconhecimento de entidades e de 83,60% para a deteção de relações. Além disto, os testes verificaram quer o sucesso da tarefa quando efetuada com recurso ao sistema quer a redução do tempo necessário para a sua realização.