机器学习可以帮助我们理解关于死亡的对话？

医疗保健中一些最重要和最困难的对话发生在严重和威胁生命的疾病中。对于未来的医生和护士来说，他们在最脆弱的地方与人打交道，可能不完全了解未来，在这种情况下讨论治疗计划和预后是一种微妙的平衡。

现在，佛蒙特大学Dialogue Lab的研究人员已经使用机器学习和自然语言处理来更好地理解这些对话的外观，这将最终帮助医疗保健提供商改善他们的生命周期沟通。

领导这项研究的拉娜医学院实验室主任罗伯特格兰姆林说：我们想了解这个复杂的东西，那就是说话。这项研究发表在12月9日的《患者教育与咨询》杂志上。我们的主要目标是扩大对话的规模，这样我们就可以重新设计医疗保健系统，以便更好地沟通。

格兰姆林和他的同事们想知道人们关于严重疾病的对话类型，以便识别它们的共同特征，并确定它们是否遵循一个共同的故事。为此，他们借用了小说研究中使用的技术，其中机器学习算法分析小说手稿的语言，以识别不同类型的故事。

Gramling的团队使用这种方法分析了姑息治疗交流研究项目收集的354次姑息治疗对话的记录，涉及纽约和加州的231名患者。他们将每段对话分为10个部分，每开发者_如何学C个部分的字数相等，并检查了与时间、疾病术语、情绪以及可能性和期望相关的单词的频率和分布如何在每10个部分之间变化。

“我们收到了一些强烈的信号，”格兰姆林说。

从谈论过去到谈论未来，从悲伤到快乐，情绪不断发展。格兰姆林说，在相当多的领域，他们从悲伤到快乐。

讨论也从谈话开始时谈论症状发展到中间治疗方案和最终预后。随着对话的进行，情态动词的使用越来越多。像“可以”、“可能”和“将要”这样的词表示可能性和合意性。格兰姆林说，最后，评价胜于描述。

格兰姆林说，许多对话的一致结果表明，人们从医疗保健的故事中获得了多少意义。他说：我们发现了叙事在医学中的重要性。

格兰姆林说，这项工作的更多实际应用远远不够。目前，他的团队致力于将其作为一种工具来识别医疗保健中可能发生的不同类型的对话。他说：我认为这将成为我们潜在的重要研究工具，这将使我们能够开始提高我们对现有对话分类的理解，以便我们能够开始学习如何改进每种类型的对话。

最终，这些知识可以帮助医疗从业者理解什么是姑息治疗的良好对话，以及不同类型的对话可能需要不同的应对方式。这有助于创建与对话中指出的患者最需要的干预相匹配的干预。

格兰姆林说：一种对话可能会导致对信息的持续需求，而另一种对话可能会对功能支持有持续的需求。因此，这些类型可以帮助我们的方法之一是确定我们将为单个患者和家庭需要什么资源，以便我们不仅可以将相同的东西应用于每个人。

对这些对话的深入理解通常会带来情绪和不确定性，这也将有助于揭示与这些对话相关的哪些方面或行为对患者和家庭更有价值。这将使教育者能够培训卫生保健专业人员提供姑息治疗所需的技能。

格兰姆林说，这项工作最有用的应用可能是系统化的，它可以监控医院对患者的整体反应，并奖励那些让患者用更多资金更好地表达和处理恐惧的方法。

他说：我们衡量了临床护理的其他流程，但我们只是时不时地进行实际沟通。