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.

Relatert publikasjon

Ngo, Phuong Dinh, Miguel Tejedor, Therese Olsen Svenning, Taridzo Chomutare, Andrius Budrionis and Hercules Dalianis. 2024. Deidentifying a Norwegian clinical corpus - An effort to create a privacy-preserving Norwegian large clinical language model. In the Proceedings of the CALD-pseudo Workshop at the 18th Conference of the European Chapter of the Association for Computational Linguistics, EACL 2024, Malta, pdf.

Chomutare, Taridzo, Anastasios Lamproudis, Andrius Budrionis, Therese Olsen Svenning, Lill Irene Hind, Phuong Dinh Ngo, Karl Øyvind Mikalsen and Hercules Dalianis. 2024. Improving Quality of ICD-10 (International Statistical Classification of Diseases, Tenth Revision) Coding Using AI: Protocol for a Crossover Randomized Controlled Trial. JMIR Research Protocols, 13(1), e54593, pdf.

Lamproudis, Anastasios, Sara Mora, Therese Olsen Svenning, Torbjørn Torsvik, Taridzo Chomutare, Phuong Dinh Ngo and Hercules Dalianis. 2023. De-identifying Norwegian Clinical Text using Resources from Swedish and Danish. Proceedings of AMIA 2023, Annual Symposium, November 11-15. New Orleans, LA, USA, pdf.

Lamproudis, Anastasios, Therese Olsen Svenning, Torbjørn Torsvik, Taridzo Chomutare, Andrius Budrionis, Phuong Dinh Ngo, Thomas Vakili, and Hercules Dalianis. 2023. Using a Large Open Clinical Corpus for Improved ICD-10 Diagnosis Coding. Proceedings of AMIA 2023, Annual Symposium, November 11-15. New Orleans, LA, USA, pdf.

Dalianis, Hercules, Taridzo, Chomutare, Andrius Budrionis and Therese Olsen Svenning. 2022. ClinCode - Computer-Assisted Clinical ICD-10 Coding for improving efficiency and quality in healthcare. Poster presented at The Patient Classification Systems International (PCSI) conference in Reykjavik, Iceland, 27-29 Sept 2022. Best poster award.

Dolk, Alexander, Hjalmar Davidsen, Hercules Dalianis and Thomas Vakili. 2022. Evaluation of LIME and SHAP in Explaining Automatic ICD-10 Classifications of Swedish Gastrointestinal Discharge Summaries, in Proceedings from the 18th Scandinavian Conference on Health Informatics - SHI 2022 in Tromsø, Norway on August 22-24, pp. 166-173, pdf.

Dolk, Alexander and Hjalmar Davidsen. 2022. Evaluation of Post Hoc XAI Models in Explaining Automatic ICD-10 Classifications of Swedish Discharge Summaries, Master Thesis, Stockholm University, pdf.

Budrionis, Andrius, Taridzo Chomutare, Therese Olsen Svenning and Hercules Dalianis. 2022. The Influence of NegEx on ICD-10 Code Prediction in Swedish: How is the Performance of BERT and SVM Models Affected by Negations? in Proceedings from the 18th Scandinavian Conference on Health Informatics - SHI 2022 in Tromsø, Norway on August 22-24, pp. 174-178, pdf

Chomutare, Taridzo, Andrius, Budrionis and Hercules Dalianis. 2022, July. Combining deep learning and fuzzy logic to predict rare ICD-10 codes from clinical notes. In Proceedings from the 2022 IEEE International Conference on Digital Health (ICDH), pp. 163-168, pdf.

Blanco, Alberto, Sonja Remmer, Alicia Pérez, Hercules Dalianis and Arantza Casillas. 2022. Implementation of specialised attention mechanisms: ICD-10 classification of Gastrointestinal discharge summaries in English, Spanish and Swedish. Journal of Biomedical Informatics, html.

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.

Populærvitenskapelige artikler

Kunstig intelligens kan tolke din pasientjournal - Systemet skal automatisk foreslå en sykdomskode, December 2022, Forskning.no

Artificial intelligence interprets your medical record, January 2023, ScienceNorway.no

Nyheter

The Second ClinCode Conference in Stockholm, Sept 20, 2022, Twitter and LinkedIn

The First ClinCode Conference in Tromsø, Sept 21, 2021

Til pasientene ved Gastrokirurgisk avdeling ved Universitetssykehuset Nord-Norge, UNN, Tromsø

Prosjektet "ClinCode datamaskinstøttet klinisk ICD-10-koding for å forbedre effektiviteten og kvaliteten i helsetjenestene" er et forskningsprosjekt som har som mål å forbedre helsetjenesten.

Målet er å automatisk foreslå ICD-10-diagnosekoder for epikriser eller utskrivningsbrev. Normalt settes kodene av leger og helsepersonell, noe som er en vanskelig og tidkrevende oppgave. Diagnosekodene brukes både til statistiske formål for å planlegge behandlingen og til refusjon til sykehuset.

I prosjektet bruker vi kunstig intelligens og maskinlæring for å kunne forutsi kodene ut fra tidligere fastsatte koder fra pasientjournaler ved Gastrokirurgisk avdeling ved UNN fra årene 2018-2023.
Vi kommer til avidentifisere all pasientjournaltekst på informasjon som gjør at pasienten kan identifiseres. Vi kommer heller ikke til å lese pasientjournalteksten uten teksten læses av maskinlæringsalgoritmerne som sedan lærer seg av tekstmønstret.

Hvis du som pasient har blitt behandlet ved Gastrokirurgisk avdeling i løpet av 2018-2023 og ikke ønsker at journalen din skal brukes i forskningen, kan du kontakte professor Hercules Dalianis, e-post: email hidden; JavaScript is required eller på telefon +46 70 568 13 50 Nasjonalt senter for e-helseforskning, UNN, Tromsø innen 10. september 2023.