Применение цифровых технологий в работе патологоанатома: обучение использованию систем автоматического распознавания речи

Обложка
  • Авторы: Храмцов А.И.1, Насыров Р.А.2, Храмцова Г.Ф.3
  • Учреждения:
    1. Детская больница Энн и Роберта Лурье
    2. Федеральное государственное образовательное учреждение высшего образования «Санкт-Петербургский государственный педиатрический медицинский университет» Министерства здравоохранения Российской Федерации
    3. Чикагский Университет
  • Выпуск: Том 12, № 3 (2021)
  • Страницы: 63-68
  • Раздел: Обзоры
  • URL: https://journals.eco-vector.com/pediatr/article/view/83060
  • DOI: https://doi.org/10.17816/PED12363-68
  • ID: 83060

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

Обработка естественного языка, или Natural language processing, — это одно из направлений вычислительной лингвистики. Это раздел информатики, который включает алгоритмическую обработку речи и текстов на естественном языке. С применением таких алгоритмов создаются системы машинного перевода, ответов на вопросы, системы автоматического распознавания речи (САРР). Применение САРР направлено на преобразование речи и генерирование связанного и осмысленного текста, а также общение на естественном языке при взаимодействии компьютера и человека. Сегодня эти системы широко используются в медицинской практике, в том числе и патологической анатомии. Ключевыми этапами для успешного использования САРР являются: составление стандартных шаблонов-описаний для автоматического включения их в диагноз и обучение врачей навыкам использования таких систем в практической деятельности. Попытки стандартизации патологоанатомических заключений давно предпринимаются врачами во всем мире. После изучения отечественной и зарубежной литературы нами был составлен перечень элементов, которые должны быть обязательно включены в макро- и микроскопическое описание и отражены в окончательном заключении. Такие шаблоны помогают в принятии решений и точной формулировке диагноза, так как содержат все ключевые элементы в порядке их значимости. Это значительно снижает необходимость повторного исследования, как фиксированного макроскопического материала, так и подготовки дополнительных гистологических срезов. Шаблоны, встроенные в САРР, позволяют сократить время, затрачиваемое на ведение документации и значительно уменьшить рабочую нагрузку на патологоанатомов. Для успешного пользования САРР нами разработан учебный курс «Digital Speech Recognition in an Anatomical Pathology Practice» для последипломного образования как отечественных, так и зарубежных врачей. Краткая характеристика курса приводится в этой статье, а сам курс доступен в сети Интернет.

Полный текст

Доступ закрыт

Об авторах

Андрей Ильич Храмцов

Детская больница Энн и Роберта Лурье

Автор, ответственный за переписку.
Email: duvip@yandex.ru

кандидат медицинских наук, старший научный сотрудник отдела патологии и лабораторной медицины

США, Чикаго

Руслан Абдуллаевич Насыров

Федеральное государственное образовательное учреждение высшего образования «Санкт-Петербургский государственный педиатрический медицинский университет» Министерства здравоохранения Российской Федерации

Email: ran.53@mail.ru

доктор медицинских наук, профессор, заведующий кафедрой патологической анатомии с курсом судебной медицины

Россия, Санкт-Петербург

Галина Федоровна Храмцова

Чикагский Университет

Email: galina@uchicago.edu

кандидат медицинских наук, старший научный сотрудник отдела медицины, секция гематологии и онкологии

США, Чикаго

Список литературы

  1. Белоногов Г.Г. Компьютерная лингвистика и перспективные информационные технологии. М.: Русский мир, 2004. [Belonogov GG. Komp’yuternaya lingvistika i perspektivnye informatsionnye tekhnologii. Moscow: Russkiy mir; 2004. (In Russ.)]
  2. Боярский К.К. Введение в компьютерную лингвистику. Учеб. пос. СПб.: НИУ ИТМО, 2013. [Boyarskiy KK. Vvedenie v komp’yuternuyu lingvistiku. Ucheb. pos. Saint Petersburg: NIU ITMO; 2013. (In Russ.)]
  3. Кудрявцев Н.Д., Сергунова К.А., Иванова Г.В., и др. Оценка эффективности внедрения технологии распознавания речи для подготовки протоколов рентгенологических исследований//Врач и информационные технологии. 2020. Т. S1. С. 58–64. [Kudryavtsev ND, Sergunova KA, Ivanova GV, et al. Evolution of the effectiveness of the introduction of speech recognition technology for the preparation of protocols for X-ray examinations. Information Technologies for the Physician. 2020; S1:58-64. (In Russ.)] doi: 10.37690/1811-0193-2020-S1-58-64
  4. Мальков П.Г., Франк Г.А., Пальцев М.А. Стандартные технологические процедуры при проведении патологоанатомических исследований: Клинические рекомендации. М.: Практическая медицина, 2017. [Mal’kov PG, Frank GA, Pal’tsev MA. Standartnye tekhnologicheskie protsedury pri provedenii patologoanatomicheskikh issledovaniy: Klinicheskie rekomendatsii. Moscow: Prakticheskaya meditsina; 2017. (In Russ.)]
  5. Трякин А. А., Гладков О. А., Матвеев В. Б., и др. Практические рекомендации по лечению герминогенных опухолей у мужчин. Злокачественные опухоли: Практические рекомендации//RUSSCO. 2020. T. 10, № 3s2. С. 572–602. [Tryakin AA, Gladkov OA, Matveev VB, et al. Prakticheskie rekomendatsii po lecheniyu germinogennykh opukholey u muzhchin Zlokachestvennye opukholi: Prakticheskie rekomendatsii. RUSSCO. 2020;10(3s2):572-602. (In Russ.)] doi: 10.18027/2224-5057-2020-10-3s2-34
  6. Цитульский А.М., Иванников А.В., Рогов И.С. NLP — Обработка естественных языков//Научно-образовательный журнал для студентов и преподавателей StudNet. 2020. Т. 3. № 6. С. 467–475. [Tsitul’skiy AM, Ivannikov AV, Rogov IS. NLP – Natural language processing. StudNet. 2020;6:467-475. (In Russ.)]
  7. Blackley SV, Schubert VD, Goss FR, et al. Physician use of speech recognition versus typing in clinical documentation: A controlled observational study. Int J Med Inform. 2020;141:104178. doi: 10.1016/j.ijmedinf.2020.104178
  8. Goldsmith JD, Siegal GP, Suster S, et al. Reporting guidelines for clinical laboratory reports in surgical pathology. Arch Pathol Lab Med. 2008;132(10):1608-1616. doi: 10.5858/2008-132-1608-RGFCLR
  9. Henricks WH, Roumina K, Skilton BE, et al. The utility and cost effectiveness of voice recognition technology in surgical pathology. Mod Pathol. 2002;15(5):565-571. doi: 10.1038/modpathol.3880564
  10. Kang HP, Sirintrapun SJ, Nestler RJ, Parwani AV. Experience with voice recognition in surgical pathology at a large academic multi-institutional center. Am J Clin Pathol. 2010;133(1):156-159. doi: 10.1309/AJCPOI5F1LPSLZKP
  11. Renshaw AA, Mena-Allauca M, Gould EW, Sirintrapun SJ. Synoptic Reporting: Evidence-Based Review and Future Directions. JCO Clin Cancer Inform. 2018;2:1-9. doi: 10.1200/CCI.17.00088
  12. Singh M, Pal TR. Voice recognition technology implementation in surgical pathology: advantages and limitations. Arch Pathol Lab Med. 2011;135(11): 1476-1481. doi: 10.5858/arpa.2010-0714-OA
  13. Sluijter CE, van Workum F, Wiggers T, et al. Improvement of Care in Patients with Colorectal Cancer: Influence of the Introduction of Standardized Structured Reporting for Pathology. JCO Clin Cancer Inform. 2019;3:1-12. doi: 10.1200/CCI.18.00104
  14. Valenstein PN. Formatting pathology reports: applying four design principles to improve communication and patient safety. Arch Pathol Lab Med. 2008;132(1): 84-94. doi: 10.5858/2008-132-84-FPRAFD
  15. Veras LV, Arnold M, Avansino JR, et al. Guidelines for synoptic reporting of surgery and pathology in Hirschsprung disease. J Pediatr Surg. 2019;54(10):2017-2023. doi: 10.1016/j.jpedsurg.2019.03.010
  16. Программа Voice2Med. Режим доступа: https://www.speechpro.ru/product/programmy-dlya-raspoznavaniya-rechi-v-tekst/voice2med Дата обращения: 06.09.21. [Program Voice2Med. Available from: https://www.speechpro.ru/product/programmy-dlya-raspoznavaniya-rechi-v-tekst/voice2med (In Russ.)]
  17. Digital Speech Recognition Systems in an Anatomical Pathology Practice. Media Lab. Available from: https://www.medialab.com/digital_speech_recognition_systems_in_an_anatomic_pathology_practice.aspx Accessed: 06.09.2021.
  18. Dragon Medical One. Nuance Communications Inc. Available from: https://www.nuance.com/healthcare/provider-solutions/speech-recognition/dragon-medical-one.html Accessed: 06.09.21.
  19. VoiceOver PRO. Voicebrook Inc. Available from: https://www.voicebrook.com/voiceover.
  20. The College of American Pathologists (CAP) eCC (electronic Cancer Checklists). Available from: https://www.cap.org/laboratory-improvement/proficiency-testing/cap-ecc
  21. The Say it for Pathologists. Inc n Voq. Available from: https://sayit.nvoq.com/medical-dictation-software-for-pathologists/ (accessed 07.03.2021).
  22. Fusion Speech for Pathology. Dolbey. Available from: https://www.dolbey.com/solutions/speech-recognition/fusion-speechemr/pathology/(accessed 07.03.2021).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Принцип работы системы автоматического распознавания речи

Скачать (50KB)
Метаданные
3. Рис. 2. Пример работы с программным обеспечением Dragon Medical One для создания протокола макроскопического описания и гистологического диагноза

Скачать (257KB)
Метаданные

© Храмцов А.И., Насыров Р.А., Храмцова Г.Ф., 2021

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.
СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор).
Регистрационный номер и дата принятия решения о регистрации СМИ: серия ПИ № ФС 77 - 69634 от 15.03.2021 г.


Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах