First study of the RuPatient health information system with optical character recognition of medical records based on machine learning

Abstract

RuPatient health information system (HIS) is a computer program consisting of a doctor-patient web user interface, which includes algorithms for recognizing medical record text and entering it into the corresponding fields of the system.Aim. To evaluate the effectiveness of RuPatient HIS in actual clinical practice.Material and methods. The study involved 10 cardiologists and intensivists of the department of cardiology and сardiovascular intensive care unit of the L. A. Vorokhobov City Clinical Hospital 67 We analyzed images (scanned copies, photos) of discharge reports from patients admitted to the relevant departments in 2021. The following fields of medical documentation was recognized: Name, Complaints, Anamnesis of life and illness, Examination, Recommendations. The correctness and accuracy of recognition of entered information were analyzed. We compared the recognition quality of RuPatient HIS and a popular optical character recognition application (FineReader for Mac).Results. The study included 77 pages of discharge reports of patients from various hospitals in Russia from 50 patients (men, 52%). The mean age of patients was 57,7±7,9 years. The number of reports with correctly recognized fields in various categories using the program algorithms was distributed as follows: Name — 14 (28%), Diagnosis — 13 (26%), Complaints — 40 (80%), Anamnesis — 14 (28%), Examination — 24 (48%), Recommendations — 46 (92%). Data that was not included in the category was also recognized and entered in the comments field. The number of recognized words was 549±174,9 vs 522,4±215,6 (p=0,5), critical errors in words — 2,1±1,6 vs 4,4±2,8 (p<0,001), non-critical errors — 10,3±4,3 vs 5,6±3,3 (p<0,001) for RuPatient HIS and optical character recognition application for a personal computer, respectively.Conclusion. The developed RuPatient HIS, which includes a module for recognizing medical records and entering data into the corresponding fields, significantly increases the document management efficiency with high quality of optical character recognition based on neural network technologies and the automation of filling process.

Application of the program for artificial intelligence analytics of paper text and segmentation by specified parameters in clinical practice

“…Л. А. Ворохобова ДЗМ: группа 1 обрабатывала выписные эпикризы и заполняла электронные медицинские карты (ЭМК) стандартным способом, группа 2 -использовала систему RuPateint (не менее 3 врачей в каждой группе). Врачи были обучены использованию системы распознавания RuPatient, после распознавания (группа 2), либо рутинным методом без использования системы распознавания (группа 1), данные заносились в ручном режиме в систему ЕМИАС Частным критерием оценки эффективности МИС использовано время, затраченное на заполнение ЭМК по сравнению с реальной клинической практикой [4]. Пос ле перераспределения первичного массива данных была проведена корректировка.…”

“…Стремление к созданию единого контура данных в отечественном здравоохранении может быть реальным путем улучшения здоровья и благополучия населения. Применение алгоритмов машинного обучения с целью адекватного принятия клинических решений при использовании больших данных с новыми коммуникационными технологиями позволит повысить результативность федеральных проектов в области здравоохранения 4 .…”

“…Дальнейшие исследования могут быть направлены на другие типы медицинской визуализации, такие как магнитно-резонансная томография и другие медицинские практики, не связанные с изображениями. 4 Федеральный проект "Создание единого цифрового контура в здравоохранении на основе единой государственной информационной системы в сфере здравоохранения (ЕГИСЗ)". https:// minzdrav.gov.ru/poleznye-resursy/natsproektzdravoohranenie/tsifra (2022 Oct 11).…”