ClinCode Datamaskinstøttet klinisk ICD-10 koding for å forbedre effektiviteten og kvaliteten i helsetjenesten


Prosjektbeskrivelse

ICD-10 diagnosekoder spiller en viktig rolle på norske og svenske sykehus så vel som i verden. Etter hver pasientkontakt skal behandler registrere en eller flere diagnoser eller prosedyrekoder som beskriver hva slags utredning eller behandling pasienten har fått. ICD-10 kodesystemet omfatter over 30.000 koder og kan være både vanskelig og tidkrevende å bruke. Ofte vil klinikere registrere feil koder, eller ikke få med alle passende koder. Kodene som registreres samles og brukes på overordnet nivå til å måle aktivitet på sykehusene. Feilaktig og mangelfull koding gjør det vanskelig å fakturere korrekt og planlegge for effektiv ressursutnyttelse i helsetjenesten.

I ClinCode prosjektet skal vi undersøke hvordan datamaskinassistert kodestøtte (Computer-Assisted Coding, CAC) kan øke kvaliteten på ICD-10 koding uten at klinikeres arbeidsbelastning blir større. I sykehusenes elektroniske pasientjournaler finnes allerede et omfattende materiale av manuelt kodede pasientforløp.

I vårt prosjekt skal vi studere den medisinske spesialiteten gastrokirurgi. Pasientjournalene skal brukes til å utvikle et dataprogram som kan lese den enkeltes journal og automatisk foreslå passende ICD-10 koder til behandlende lege. Dataprogrammet vil analysere både fritekstnotater og strukturert data som allerede er kodet manuelt ved hjelp av naturlig språkprosessering (Natural Language Processing, NLP) og dyp læring (Deep Learning) eller det som også kalles kunstig intelligens metoder (AI) og lære av disse dataene. CAC programmet skal integreres i DIPS Arena elektronisk pasientjournalsystem.

code matrix ClinCode

Relatert publikasjon

Lamproudis, Anastasios, Aron Henriksson and Hercules. Dalianis. 2021. Developing a Clinical Language Model for Swedish: Continued Pretraining of Generic BERT with In-Domain Data. In the Proceeding of RANLP 2021: Recent Advances in Natural Language Processing, 1-3 Sept 2021, Varna, Bulgaria, pdf.

Remmer, Sonja, Anastasios Lamproudis and Hercules Dalianis. 2021. Multi-label Diagnosis Classification of Swedish Discharge Summaries – ICD-10 Code Assignment Using KB-BERT. In the Proceedings of RANLP 21: Recent Advances in Natural Language Processing, 1-3 Sept 2021, Varna, Bulgaria, pdf.

Blanco, Alberto, Sonja Remmer, Alicia Pérez, Hercules Dalianis and Arantza Casillas. 2021. On the contribution of per-ICD attention mechanisms to classify health records in languages with fewer resources than English. In the Proceedings of RANLP 21: Recent Advances in Natural Language Processing, 1-3 Sept 2021, Varna, Bulgaria, pdf.

Remmer, Sonja. 2021. Automatic Diagnosis Code Assignment with KB-BERT — ICD Classification Using Swedish Discharge Summaries, Master Thesis, Stockholm University, pdf.

Nyheder

The First ClinCode Conference in Tromsø, Sept 21, 2021

Prosjektleder

Prosjektdeltakere

Eksterne prosjektdeltakere

  • Liv Bollvåg, DIPS AS,

    email hidden; JavaScript is required

  • Thor Stenbæk, DIPS AS,

    email hidden; JavaScript is required

  • Lill Irene Hind, UNN - Universitetssykehuset Nord-Norge,

    email hidden; JavaScript is required

  • Niels Erik Krum-Hansen, UNN - Universitetssykehuset Nord-Norge,

    email hidden; JavaScript is required

  • Karl Øyvind Mikalsen, UNN - Universitetssykehuset Nord-Norge,

    email hidden; JavaScript is required

  • Rolv-Ole Lindsetmo, UNN - Universitetssykehuset Nord-Norge,

    email hidden; JavaScript is required

Samarbeidspartner

Finansiering

  • Norges Forskningsråd

Fokusområde

Helsedata

Prosjektperiode

2021 - 2023

Sist oppdatert

01.12.2021