[論文レビュー] COVID-19 Smart Chatbot Prototype for Patient Monitoring

Hannah Lei, Weiqi Lu+5 more|arXiv (Cornell University)|Mar 11, 2021

Digital Mental Health Interventions参考文献 17被引用数 8

ひとこと要約

本論文では、新型コロナウイルス感染症の流行期における継続的でパーソナライズされた患者モニタリングを実現する、機械学習を活用したスマートチャットボットプロトタイプを提示する。自然言語処理（NLP）と知識グラフを用いて、科学文献から症状や医療用語を抽出し、患者が報告する症状の経過を追跡し、個別化された健康プロファイルを構築し、直接の医療アドバイスなしに早期臨床介入を支援する。

ABSTRACT

Many COVID-19 patients developed prolonged symptoms after the infection, including fatigue, delirium, and headache. The long-term health impact of these conditions is still not clear. It is necessary to develop a way to follow up with these patients for monitoring their health status to support timely intervention and treatment. In the lack of sufficient human resources to follow up with patients, we propose a novel smart chatbot solution backed with machine learning to collect information (i.e., generating digital diary) in a personalized manner. In this article, we describe the design framework and components of our prototype.

研究の動機と目的

• 保健医療体制の逼迫と患者の対面受診を避けたいという傾向による、新型コロナウイルス感染症患者の臨床的フォローアップの不足という課題に対処すること。
• 医療提供者への負担を軽減するため、スケーラブルな自動化された長期的症候追跡ソリューションを構築すること。
• 対話型NLPと知識グラフ統合を活用して、患者の個人情報を構築するデジタルヘルスコンpanionを創出すること。
• 症状の進行を検出すると共に、必要に応じてケアプロバイダーにアラートを発する仕組みにより、タイムリーな臨床意思決定を支援すること。
• 新型コロナウイルス感染症にとどまらず、時間的敏感性や慢性疾患を有する疾患のモニタリングにも応用可能なフレームワークに一般化すること。

提案手法

• 新型コロナウイルス関連の症状、薬剤、医学用語を対象とした名前付きエンティティ認識（NER）を実行するため、科学文献を活用したカスタムNLPパイプラインを構築した。
• 抽出されたエンティティとその関係性から動的知識グラフを構築し、チャットボットの会話誘導と患者データの照会を可能にした。
• 自然言語入力による患者が報告する症状を収集するエンドツーエンドの対話型AIシステムを実装した。
• 現在の患者の入力と履歴データ、知識グラフのノードを比較することで、症状の経過を追跡するフォローアップ会話を可能にした。
• 大規模知識グラフから抽出された患者固有のサブグラフを活用して、個別化された応答を生成し、長期的モニタリングを支援した。
• 医療アドバイスを避けるためのセーフティメカニズムを統合し、代わりに公式指針や関連文献のスニペットへのリンクを提供した。

実験結果

リサーチクエスチョン

• RQ1 NLPを駆動するチャットボットは、科学文献から症状、薬剤、合併症といった医療用語を的確に抽出・整理でき、臨床的モニタリングを支援できるか？
• RQ2 直接の臨床的介入なしに、チャットボットは患者が報告する症状のパーソナライズドで長期的な追跡をどのように維持できるか？
• RQ3 医療用語の知識グラフは、対話型ヘルスモニタリングの正確性と関連性をどの程度向上できるか？
• RQ4 このようなシステムは、症状の悪化傾向を検出し、臨床的レビューのためのアラートを発動できるか？
• RQ5 このアプローチは、新型コロナウイルス感染症を超えて、慢性疾患や急性疾患のモニタリングに応用可能で、スケーラブルかつ一般化可能か？

主な発見

• NLPパイプラインは、公表済みの科学文献から、症状、薬剤、合併症といった重要な医療用語を的確に抽出し、臨床的推論の基盤を形成した。
• チャットボットは、複数回の対話における症状の変化を追跡することで、知識グラフ内に進化する患者固有のサブグラフを構築し、継続的でパーソナライズされたモニタリングを可能にした。
• システムは、症状の進行を検出し、対面受診への依存を減らすためにタイムリーなフォローアップを促す能力を示した。
• 患者の応答を根拠に基づく文献や公式指針と結びつけることで、医療アドバイスを提供せずに文脈に即した情報を提供した。
• このフレームワークは、脳卒中や心疾患などの長期的モニタリングが求められる他の疾患に対しても一般化可能であることが示された。
• 集計された患者データにおけるパターン認識を通じて、高リスクの症状経路を特定することで、早期介入を支援するプロトタイプが実現した。