自然語(yǔ)言處理（ NLP ）可以定義為人工智能（ AI ）、計(jì)算機(jī)科學(xué)和計(jì)算語(yǔ)言學(xué)的結(jié)合，以理解人類(lèi)交流并從非結(jié)構(gòu)化口語(yǔ)或書(shū)面材料中提取意義。

在過(guò)去幾年中，醫(yī)療保健的非線(xiàn)性規(guī)劃用例有所增加，以通過(guò)語(yǔ)言理解和預(yù)測(cè)分析加快治療學(xué)的發(fā)展，提高患者護(hù)理質(zhì)量。

醫(yī)療保健行業(yè)產(chǎn)生大量非結(jié)構(gòu)化數(shù)據(jù)，但如果不找到以可計(jì)算形式構(gòu)造和表示該數(shù)據(jù)的方法，就很難獲得見(jiàn)解。開(kāi)發(fā)人員需要將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)的工具，以幫助醫(yī)療保健組織利用相關(guān)見(jiàn)解，改善醫(yī)療保健服務(wù)和患者護(hù)理。

Transformer – 基于文本的自然語(yǔ)言處理已成為基于文本的醫(yī)療保健工作流性能的范式轉(zhuǎn)變。由于其多功能性， NLP 幾乎可以構(gòu)建任何專(zhuān)有或公共數(shù)據(jù)，以 Spark 洞察醫(yī)療保健，從而產(chǎn)生各種下游應(yīng)用，直接影響患者護(hù)理或擴(kuò)大和加速藥物發(fā)現(xiàn)。

藥物發(fā)現(xiàn)的自然語(yǔ)言處理

非線(xiàn)性規(guī)劃在加速小分子藥物發(fā)現(xiàn)方面發(fā)揮著關(guān)鍵作用。關(guān)于藥物可制造性或禁忌癥的先驗(yàn)知識(shí)可以從學(xué)術(shù)出版物和專(zhuān)有數(shù)據(jù)集中提取。 NLP 還可以幫助進(jìn)行臨床試驗(yàn)分析，并加快將藥物推向市場(chǎng)的過(guò)程。

Transformer 體系結(jié)構(gòu)在自然語(yǔ)言處理中很流行，但這些工具也可以用于理解化學(xué)和生物語(yǔ)言。例如，基于文本的化學(xué)結(jié)構(gòu)表示，例如 SMILES （簡(jiǎn)化輸入分子線(xiàn)輸入系統(tǒng)），可以通過(guò)基于轉(zhuǎn)換器的架構(gòu)來(lái)理解，從而實(shí)現(xiàn)藥物性質(zhì)評(píng)估和生成化學(xué)的難以置信的能力。

MegaMolBART ，一個(gè)由阿斯利康和 NVIDIA 開(kāi)發(fā)的大型 transformer 模型，用于廣泛的任務(wù)，包括反應(yīng)預(yù)測(cè)、分子優(yōu)化和從頭生成分子。

基于 Transformer 的非線(xiàn)性規(guī)劃模型有助于理解和預(yù)測(cè)類(lèi)生物分子蛋白質(zhì)的結(jié)構(gòu)和功能。與自然語(yǔ)言一樣，基于 transformer 的蛋白質(zhì)序列表示提供了強(qiáng)大的嵌入，用于下游人工智能任務(wù)，如預(yù)測(cè)蛋白質(zhì)的最終折疊狀態(tài)，了解蛋白質(zhì) – 蛋白質(zhì)或蛋白質(zhì) – 小分子相互作用的強(qiáng)度，或設(shè)計(jì)提供生物靶點(diǎn)的蛋白質(zhì)結(jié)構(gòu)。

臨床試驗(yàn)見(jiàn)解的 NLP

一旦藥物開(kāi)發(fā)出來(lái)，患者數(shù)據(jù)在將其推向市場(chǎng)的過(guò)程中起著重要作用。通過(guò)護(hù)理過(guò)程收集的大部分患者數(shù)據(jù)都包含在自由文本中，例如患者就診的臨床記錄或程序結(jié)果。

雖然這些數(shù)據(jù)很容易被人解讀，但結(jié)合跨臨床自由文本文檔的見(jiàn)解需要使跨不同文檔的信息具有互操作性，以便以有用的方式表示患者的健康。

現(xiàn)代非線(xiàn)性規(guī)劃算法加快了我們獲得這些見(jiàn)解的能力，有助于比較具有類(lèi)似癥狀的患者，提出治療建議，發(fā)現(xiàn)診斷未遂事件，并提供臨床護(hù)理導(dǎo)航和次優(yōu)行動(dòng)預(yù)測(cè)。

NLP 提高臨床體驗(yàn)

許多患者與醫(yī)院系統(tǒng)的互動(dòng)是遠(yuǎn)程的，部分原因是源于 2019 冠狀病毒疾病的遠(yuǎn)程醫(yī)療服務(wù)的使用越來(lái)越多。這些遠(yuǎn)程醫(yī)療就診可以在 NLP 的幫助下轉(zhuǎn)換為結(jié)構(gòu)化信息。

對(duì)于內(nèi)科醫(yī)生和外科醫(yī)生來(lái)說(shuō)，語(yǔ)音到文本的功能可以將與患者和臨床團(tuán)隊(duì)的口頭討論轉(zhuǎn)化為文本，然后可以存儲(chǔ)在電子健康記錄（ EHR ）中。應(yīng)用包括總結(jié)患者就診、捕捉未遂事件和預(yù)測(cè)最佳治療方案。

消除每個(gè)患者就診的臨床文檔負(fù)擔(dān)可以讓提供者花費(fèi)更多的時(shí)間和精力為每個(gè)患者提供最佳護(hù)理，同時(shí)減少醫(yī)生的倦怠感。 NLP 還可以幫助醫(yī)院預(yù)測(cè)患者結(jié)果，例如 重新接納 或敗血癥。

關(guān)于作者

Anthony Costa 在 NVIDIA 領(lǐng)導(dǎo)醫(yī)療保健和生命科學(xué)分析的開(kāi)發(fā)人員關(guān)系，專(zhuān)注于自然語(yǔ)言處理、對(duì)話(huà)式 AI 和藥物發(fā)現(xiàn)應(yīng)用程序。 Anthony 的背景包括計(jì)算化學(xué)和物理學(xué)，在過(guò)去十年中，他領(lǐng)導(dǎo)了主要學(xué)術(shù)衛(wèi)生系統(tǒng)中的許多醫(yī)療保健和生命科學(xué)轉(zhuǎn)化人工智能計(jì)劃。

審核編輯：郭婷