（文章來源：教育新聞網）

在醫療保健中一些最重要，最困難的對話是在嚴重且威脅生命的疾病中發生的對話。對于在最脆弱點與人打交道且可能無法完全理解未來的醫生和護士，在這些情況下討論治療方案和預后是一個微妙的平衡。現在，佛蒙特大學佛蒙特大學對話實驗室的研究人員已經使用機器學習和自然語言處理來更好地理解這些對話的模樣，最終可以幫助醫療保健提供者改善生命周期的交流。

領導這項研究的UVM的拉納醫學院的實驗室主任羅伯特·格拉姆林說：“我們想理解這種復雜的事物，就是談話。”該研究于12月9日發表在《患者教育與咨詢》雜志上。“我們的主要目標是擴大對話的規模，以便我們可以重新設計醫療保健系統以更好地溝通。”

Gramling和他的同事們想了解人們關于嚴重疾病的交談類型，以識別他們具有的共同特征并確定他們是否遵循共同的故事情節。為此，他們借用了小說研究中使用的技術，其中機器學習算法分析小說手稿的語言以識別不同類型的故事。

Gramling的團隊采用了這種方法，以分析“姑息治療傳播研究計劃”收集的354次姑息治療對話記錄，涉及紐約和加利福尼亞的231名患者。他們將每個對話分為10個部分，每個部分的單詞數相等，并檢查了在每個十分位之間，涉及時間，疾病術語，情感以及表示可能性和期望性的單詞的頻率和分布如何變化。

“我們收到了一些強烈的信號，”格拉姆林說。對話從談論過去到談論未來，以及從悲傷到快樂的情緒不斷發展。“有相當多的范圍內，他們從很傷心去了很高興，” Gramling說。討論也從談話開始時談論癥狀發展到中間的治療方案和最后的預后。隨著對話的進行，情態動詞的使用也越來越多，諸如“ can”，“ might”和“ will”之類的詞表示概率和可取性。“最后，評估勝于描述，” Gramling說。

Gramling說，多次對話中一致的結果表明人們從醫療保健中的故事中獲得了多少意義。他說：“我們發現，敘事在醫學中的重要性。”Gramling說，這項工作的更多實際應用還差得遠。目前，他的團隊致力于使用它作為一種工具來識別醫療保健中可能發生的不同類型的對話。他說：“我認為，這將成為我們潛在的重要研究工具，使我們開始增進對已有對話分類法的理解，以便我們可以開始學習如何改進每種類型的對話。”

這些知識最終可以幫助醫療保健從業者了解是什么使關于姑息治療的“良好”對話以及不同類型的對話可能需要不同的應對方式。這可以幫助創建與對話表明患者最需要的干預措施相匹配的干預措施。Gramling說：“一種對話可能導致對信息的持續需求，而另一種對話可能對功能支持的需求不斷。”“因此，這些類型可以幫助我們的方法之一就是確定我們將需要哪些資源用于個體患者和家庭，以便我們不只是將相同的東西應用于每個人。”

對這些談話的更深入理解通常會帶來情緒和不確定性，這也將有助于揭示與這些談話相關的哪些方面或行為對患者和家庭更有價值。這將使教育工作者能夠針對醫療保健專業人員進行培訓，以提供姑息治療所需的技能。格拉姆林說，這項工作最有用的應用可能是系統性的，可以監測醫院對患者的總體反應，并獎勵那些允許患者用更多資金更好地表達和處理恐懼的方法。

他說：“我們已經衡量了臨床護理的其他過程，只是不定期進行實際溝通。”
? ? ? （責任編輯：fqj）