Теперь исследователи из Лаборатории разговоров в Вермонте при Университете Вермонта использовали машинное обучение и обработку естественного языка, чтобы лучше понять, как выглядят эти разговоры, что в конечном итоге может помочь поставщикам медицинских услуг улучшить их общение в конце жизни.
«Мы хотим понять эту сложную вещь, которая называется беседой», – говорит Роберт Грэмлинг, директор лаборатории медицинского колледжа Ларнера UVM, который руководил исследованием, опубликованным 9 декабря в журнале «Обучение и консультирование пациентов». «Наша главная цель – увеличить масштабы измерения разговоров, чтобы мы могли реорганизовать систему здравоохранения, чтобы лучше общаться."
Грэмлинг и его коллеги хотели понять типы разговоров, которые люди ведут вокруг серьезной болезни, выявить общие черты, которые у них есть, и определить, следуют ли они общим сюжетным линиям. Для этого они позаимствовали методы, используемые при изучении художественной литературы, в которых алгоритмы машинного обучения анализируют язык художественных рукописей для выявления различных типов историй.
Команда Грэмлинга адаптировала этот метод для анализа 354 стенограмм разговоров о паллиативной помощи, собранных Исследовательской инициативой по вопросам паллиативной помощи с участием 231 пациента в Нью-Йорке и Калифорнии. Они разбили каждый разговор на 10 частей с равным количеством слов в каждой и исследовали, как частота и распределение слов, относящихся ко времени, терминологии болезни, настроениям и словам, указывающим на возможность и желательность, менялись между каждым децилем.
«Мы заметили несколько сильных сигналов», – говорит Грэмлинг.
Разговоры имели тенденцию переходить от разговоров о прошлом к разговорам о будущем и от более грустных к более счастливым настроениям. «Был довольно большой диапазон: от довольно грустного до довольно счастливого», – говорит Грэмлинг.
Обсуждения также перешли от обсуждения симптомов в начале разговора до вариантов лечения в середине и прогноза в конце. И использование модальных глаголов – таких слов, как «может», «мог бы» и «будет», которые относятся к вероятности и желательности, – также увеличивалось по мере продолжения разговора. «В конце было больше оценки, чем описания», – говорит Грэмлинг.
По словам Грэмлинга, последовательные результаты, полученные в ходе нескольких бесед, показывают, насколько люди придают значение историям в сфере здравоохранения. «То, что мы обнаружили, подтверждает важность повествования в медицине», – говорит он.
По словам Грамлинга, до практического применения этой работы еще далеко. На данный момент его команда сосредоточена на использовании его в качестве инструмента для выявления различных типов разговоров, которые могут происходить в сфере здравоохранения. «Я думаю, что это будет потенциально важный исследовательский инструмент для нас, чтобы начать способствовать пониманию таксономии разговоров, которые у нас есть, чтобы мы могли начать изучать, как улучшить каждый из этих типов», – говорит он.
Эти знания могут в конечном итоге помочь практикующим врачам понять, что делает разговор о паллиативной помощи «хорошим» и почему разные виды разговоров могут требовать разных ответов. Это может помочь в создании вмешательств, соответствующих тому, в чем, как показывает беседа, пациент нуждается больше всего.
«Один тип разговора может привести к постоянной потребности в информации, в то время как другой может иметь постоянную потребность в функциональной поддержке», – говорит Грэмлинг. "Таким образом, один из способов, которым эти типы могут помочь нам, – это определить, какие ресурсы нам понадобятся для отдельных пациентов и семей, чтобы мы не применяли одни и те же методы ко всем."
Более глубокое понимание этих разговоров, которые часто наполнены эмоциями и неопределенностью, также поможет выявить, какие аспекты или модели поведения, связанные с этими разговорами, более ценны для пациентов и их семей. Это позволит преподавателям целенаправленно обучать медицинских работников, чтобы они могли приобретать навыки, необходимые для оказания паллиативной помощи.
Грэмлинг говорит, что, возможно, наиболее полезным применением этой работы будет системный уровень, который позволит отслеживать, как больницы реагируют на пациентов в целом, и вознаграждать тех, кто позволяет пациентам лучше выражать свои страхи и справляться с ними, за счет большего финансирования.
«Мы уже измеряем другие процессы клинической помощи, но мы просто не делаем это регулярно для реального общения», – говорит он.