Le comté de King fait appel à l’IA pour réduire les décès par surdose de drogue

Un processus qui prend du temps

Ce processus de reporting manuel a toutefois pris beaucoup trop de temps, ce qui a eu un impact sur la capacité du comté de King à façonner la réponse. Il a fallu environ 10 à 12 heures aux employés du comté pour imprimer et numériser les documents associés à 200 surdoses mortelles de drogue et 4 000 heures supplémentaires pour extraire les données des documents et remplir les formulaires de déclaration, avec des dizaines de champs à remplir.

Avec l’aide financière du CDC et du ministère américain de la Santé et des Ressources humaines, le bureau du médecin légiste a travaillé avec le département des technologies de l’information du comté de King pour développer une suite d’outils, utilisant traitement du langage naturel (NLP) et l’apprentissage automatique (ML) pour automatiser l’extraction des données et le remplissage des formulaires nécessaires pour signaler les décès dus à la drogue.

« Ce projet s’attaque aux problèmes de goulot d’étranglement de ces programmes, qui les empêchent d’être plus efficaces », explique Martin.

Pas à pas

Le nouveau processus comporte trois étapes. Les rapports d’incident et de toxicologie de plusieurs pages déposés après une surdose mortelle de drogue sont d’abord numérisés afin que les informations puissent être extraites à l’aide de la reconnaissance optique de caractères.

Au cours de la deuxième phase, les modèles NLP et ML créés et formés par le département informatique du comté de King extraient les informations pertinentes de ces rapports numérisés. Les modèles ML incluent le ML classique et l’apprentissage profond pour prédire les étiquettes de catégorie à partir du texte narratif des rapports.

Le modèle NLP du comté de King était basé sur BERT, un modèle avancé de langage étendu (LLM). Le service informatique a également utilisé le service d’IA en ligne Hugging Face et PyTorch, un framework Python pour créer des modèles d’apprentissage en profondeur. Azure Databricks est également utilisé pour l’analyse des données dans le cadre de la solution.