שיפור תוצאי טיפול בבריאות הנפש: ניבוי אשפוזים חוזרים באמצעות ניתוח )NLP טקסטים קליניים בטכנולוגיות עיבוד שפה טבעית ( , ד”ר אליאור סולם, פרופ’ דורון תודר, ד”ר ציפי פרנקל, מר יובל גורודיסקי, ד”ר אור דואקעמית רם אוניברסיטת בן גוריון בנגב רקע: אשפוזים חוזרים במוסדות פסיכיאטריים מהווים אתגר מהותי עבור מערכות הבריאות, הן ברמה הקלינית והן ברמה הכלכלית. מרבית שיטות הניבוי הקיימות מסתמכות על נתונים מובְנים מתוך רשומות רפואיות דיגיטליות, אך ייתכן שמידע חיוני נוסף מצוי דווקא בתיעוד הטקסטואלי החופשי שמזינים אנשי הצוות המטפל, ואינו מנוצל דיו. מטרות/שאלת המחקר: ) בניתוח טקסטים קליניים חופשיים לצורך ניבוי אשפוזים NLP לבחון את היעילות של טכנולוגיות עיבוד שפה טבעית ( למודלים מסורתיים, זיהוי NLP חוזרים. מטרות משניות כוללות זיהוי מידע חסר בטקסט נתון, השוואת מודלים מבוססי גורמי סיכון חדשים מתוך הטקסט, ואיתור דפוסים המקדימים הידרדרות נפשית. שיטת המחקר: המחקר יתבצע כעוקבה רטרוספקטיבית תוך שימוש ברשומות רפואיות של מטופלים בוגרים שאושפזו בבית החולים רב-לשוניות ובשפה העברית. NLP . ניתוח הטקסט יתבצע בטכנולוגיות 2025–2004 לבריאות הנפש בבאר שבע בין השנים ושטח תחת F1 בנוסף, תיבחן יכולת זיהוי מידע חסר, ביצועי המודלים יוערכו באמצעות מדדים כגון רגישות, סגוליות, דיוק, .ROC עקומת תוצאות: הראה שמודלי שפה גדולים בשפה העברית וכן מודלים HEQ ניסוי ראשוני במשימת מענה לשאלות על הדאטה-סט ), אך אימון על דאטה AYA-101: 46.7%, DictaLM: 19.8%( גדולים רב-לשוניים הראו קושי בזיהוי העדר תשובה בטקסט ). תוצאות טובות התקבלו גם במקרה של AYA-101: 94.9%( מתויג של שאלות ותשובות שיפר משמעותית את הדיוק .)mT5: 88.97%( מודלים קטנים יותר מסקנות והמלצות: לטכנולוגיות עיבוד שפה טבעית בעברית פוטנציאל ממשי לשפר את היכולת לזהות מטופלים בסיכון לאשפוז חוזר ולהתאים עבורם התערבויות מוקדמות ומדויקות. למרות האתגרים הקיימים בזיהוי מידע חסר, הממצאים הראשוניים מצביעים על כך שאימון ממוקד על דאטה מתאים, משפר באופן ניכר את ביצועי המודלים וכן שהשיפור יכול להתקבל גם על ידי שימוש במודלי שפה קטנים יותר. שילוב כלים אלה בפרקטיקה הקלינית עשוי לתרום לקידום טיפול מונע, יעיל ואישי יותר בבריאות הנפש.
RkJQdWJsaXNoZXIy MjgzNzA=