Pagrindinė problema – technologinio sprendimo trūkumas automatizuotai apdoroti nestruktūrizuotus klinikinius duomenis lietuvių kalba, dėl kurio nepageidaujami reiškiniai (AE) klinikiniuose tyrimuose identifikuojami pavėluotai arba gali būti nepastebėti. Didelė dalis klinikinių duomenų apie paciento būklę yra pateikiama laisvos formos gydytojų įrašuose, tokiuose kaip epikrizės, konsultacijų ar konsiliumų išvados. Vertinama, kad apie 80 % reikšmingos klinikinės informacijos yra užfiksuota būtent tokiuose nestruktūrizuotuose tekstuose. Dėl automatizuotų analizės priemonių trūkumo ši informacija nėra sistemingai apdorojama, todėl klinikinių tyrimų metu svarbūs nepageidaujami reiškiniai gali būti nustatomi vėluojant arba nepakankamai tiksliai. Papildomą sudėtingumą sukuria nepageidaujamų reiškinių kodavimo procesas. Rankinis AE identifikavimas reikalauja vienu metu taikyti kelias sudėtingas medicinines taksonomijas, pavyzdžiui, MedDRA terminologiją (Medical Dictionary for Regulatory Activities) ir CTCAE kriterijus (Common Terminology Criteria for Adverse Events). Skirtingų taksonomijų versijų naudojimas gali lemti interpretavimo skirtumus ir didina klaidų tikimybę. Kadangi šis procesas dažniausiai atliekamas rankiniu būdu, jis yra imlus laikui, brangus ir priklausomas nuo žmogiškojo faktoriaus. Šiuo metu klinikinių tyrimų centruose dažniausiai taikomas rankinis šaltinio duomenų tikrinimas. Tyrėjai ir studijų koordinatoriai analizuoja elektroninės ligos istorijos įrašus ir rankiniu būdu pildo tyrimo dokumentaciją, pavyzdžiui, elektronines tyrimo formas (Electronic Case Report Form, eCRF). Šis procesas gali užimti iki 30 % gydytojo-tyrėjo darbo laiko ir riboja pacientų priėmimo srautus, todėl mažėja sveikatos priežiūros sistemos efektyvumas. Nors tarptautinėje rinkoje egzistuoja dirbtiniu intelektu pagrįsti natūralios kalbos apdorojimo sprendimai, jie paprastai yra pritaikyti didžiosioms kalboms, tokioms kaip anglų. Bandant juos taikyti lietuvių kalbai dažnai naudojamas automatinis vertimas, kuris medicininiame kontekste gali iškraipyti prasmę, pavyzdžiui, neteisingai interpretuoti neiginius ar klinikinius terminus. Dėl šios priežasties šie sprendimai nėra validuoti lietuvių kalbai ir negali būti patikimai naudojami klinikinių tyrimų ar reguliacinių procesų kontekste. Siekiant sumažinti administracinę naštą sveikatos priežiūros specialistams ir užtikrinti tikslesnį klinikinių duomenų apdorojimą, būtina sukurti technologinį sprendimą, galintį automatiškai analizuoti lietuvių kalba pateiktus medicininius tekstus. Toks sprendimas leistų identifikuoti nepageidaujamus reiškinius, priskirti atitinkamus klasifikavimo kodus ir pateikti sprendimo paaiškinimą, taip didinant klinikinių duomenų analizės patikimumą. Įgyvendinus projektą planuojama sukurti technologinį sprendimą, kuris: • ne mažesniu kaip 85 % tikslumu identifikuos nepageidaujamus reiškinius; • automatiškai priskirs atitinkamus klasifikavimo kodus pagal taikomas medicinines taksonomijas; • ne mažiau kaip 60 % sutrumpins AE analizės laiką gydytojui; • pateiks dirbtinio intelekto sprendimo pagrindimą, didinant analizės skaidrumą ir patikimumą. Planuojama įgyvendinti visus 3 etapus.