Um chatbot multilíngue para ajudar os pacientes bilíngues a receber melhores avaliações de triagem de departamento de emergência

Em momentos de dor aguda, trauma físico e sofrimento psicológico, cada minuto gasto em um departamento de emergência do hospital (ed) sala de espera pode parecer uma vida inteira. Mas o que acontece quando a barreira do idioma impede que a equipe de triagem compreenda adequadamente as condições médicas dos pacientes?

Este é o problema enfrentado pelos hospitais em áreas como o sudoeste de Sydney, na Austrália, onde mais da metade da população local-ou 55%, de acordo com o Distrito de Saúde Local do sudoeste de Sydney-fala um idioma que não seja inglês em casa.

O Dr. Padmannesan Narasimhan é um pesquisador acadêmico da UNSW Sydney e um clínico de departamento de emergência que se concentra na integração da saúde digital em serviços agudos. Ele conhece em primeira mão as dificuldades que enfrentam a equipe de admissão hospitalar e as enfermeiras de triagem quando a comunicação é frustrada por barreiras linguísticas e culturais.

Ele está liderando uma equipe que desenvolve um sistema de IA que funciona como um intérprete entre a equipe do hospital e os pacientes que também abordam as nuances culturais na descrição dos sintomas que podem complicar ainda mais a comunicação.

“A primeira coisa que a equipe de admissão desejará fazer é alocar pacientes com uma pontuação de 1 a 5 que mede a acuidade – ou a gravidade – da doença do paciente e o nível de atendimento necessário para tratá -los, com uma pontuação de 1 significando que um médico priorizará para vê -los dentro de 30 segundos”, diz o Dr. Narasimhan, que é um professor sênior na Escola da Escola da População da População da População.

“Se houver uma barreira do idioma e a equipe de triagem tem dificuldade em entender a pessoa que se apresenta a Ed, isso pode levar as pessoas com condições médicas realmente graves ou urgentes que recebem uma pontuação de acuidade mais baixa e potencialmente sendo feitas para esperar, enquanto as pessoas com uma condição não urgente podem ser classificadas incorretamente como urgentes e esbarradas para consultar um médico imediatamente”.

Por exemplo, diz o Dr. Narasimhan, imagine um paciente de língua árabe entrando em DE com dor abdominal aguda.

“Além das barreiras linguísticas, as normas culturais em torno do estoicismo podem levá -las a subestimar o desconforto, descrevendo a dor intensa como mera” cansaço “. Uma enfermeira de triagem, sem saber dessas nuances, poderia interpretar mal isso, atribuindo uma prioridade mais baixa a uma condição potencialmente crítica, como apendicite “.

Isso destaca como a interação da linguagem e das diferenças culturais tem o potencial de atrasar perigosamente o diagnóstico e o tratamento nos departamentos de emergência se a interpretação errada for feita.

Embora existam serviços oficiais de interpretação disponíveis 24/7 para os hospitais de NSW, o Dr. Narasimhan diz que os curtos tempos de interação e a natureza imprevisível das emergências médicas dificultam o envolvimento de intérpretes profissionais no espaço do tempo necessário.

“Infelizmente, em uma emergência, a interação é de apenas três a cinco minutos. É realmente difícil para uma enfermeira de triagem chamar os serviços de intérprete e depois envolvê -los para tradução e interpretação”.

Intérprete de IA

Juntamente com especialistas em lingüística, engenheiros de inteligência artificial e clínicos de emergência, o Dr. Narasimhan está trabalhando em um projeto que visa ajudar a triagem a equipe a superar as diferenças de linguagem e cultura para fazer avaliações mais precisas no local.

A equipe está desenvolvendo um chatbot de IA com recursos multilíngues, permitindo que ela processe diferentes idiomas através do aprendizado de máquina.

“A idéia é que esse chatbot esteja ouvindo no ponto de registro em um computador em um pronto -socorro e poderá interpretar a descrição de um paciente de seus sintomas em tempo real, permitindo que a equipe de triagem avalie com mais rapidez e precisão a gravidade da condição de um paciente”, diz o Dr. Narasimhan.

“Portanto, se você falar árabe, ele poderá interpretar e traduzir seu árabe para o inglês. E como possui capacidades de processamento de linguagem natural e aprendizado de máquina, ele também poderá fornecer uma recomendação de triagem apropriada.

“E, é claro, um ser humano sempre supervisionaria esse processo. Se houver alguma discrepância entre a IA e as recomendações de triagem da enfermeira, ela será referida imediatamente ao consultor sênior do departamento de emergência”.

Levar o sistema a esse nível de sofisticação envolverá três fases de desenvolvimento nos próximos anos. A primeira fase envolve o treinamento do sistema de IA em conjuntos de dados com base em outros idiomas e terminologia médica normalmente usada em eds hospitalares. A próxima fase envolve simular a triagem em um ambiente controlado para colocar o chatbot em seus ritmos.

A fase final será testar a tecnologia em departamentos de emergência da vida real em áreas como o oeste de Sydney, onde os pacientes têm maior probabilidade de vir de origens multiculturais.

O Dr. Narasimhan diz que, embora haja muitas pesquisas destinadas a otimizar os fluxos de trabalho de triagem, para seu conhecimento, não há outros estudos examinando o efeito da comunicação multilíngue em ambientes de triagem.

“Embora existam alguns aplicativos comerciais que pretendem quebrar as barreiras linguísticas em ambientes hospitalares, estamos fazendo isso para o bem público”, diz ele.

“Estamos tentando acessar algoritmos patenteados para usar em ambientes específicos, como um ed. Se funcionar em ambientes agudos, deve ser fácil de adaptar para outras configurações hospitalares e até mesmo ambientes não hospitalares, como o escritório do seu GP.

“Achamos que ele tem vários usos e esperamos que ele remova uma das principais barreiras que podem atrapalhar as pessoas multilíngues acessando serviços de saúde na Austrália”.