(door Giancarlo De Leo, consultant in medisch-wetenschappelijke publicaties en digitale gezondheid, partner en secretaris van het Digital Health Observatory van de Italian Digital Revolution Association)
Handschriftherkenning, ook wel handgeschreven tekstherkenning (HTR) genoemd, verwijst naar het vermogen van software om handschrift te interpreteren; het kan op verschillende manieren worden verkregen: uit papieren documenten of digitale afbeeldingen, in plaats van uit foto's of apparaten met aanraakschermen en scanners.
Deze activiteit, die voor een mens onmiddellijk is omdat het in onze hersenen is gecodeerd, is extreem gecompliceerd voor software vanwege de enorme variabiliteit van handschrift, afhankelijk van de schrijver, het alfabet en de referentietaal. Bovendien lijdt deze activiteit onder de zogenaamde Sayre-paradox, volgens welke een cursief woord, om te worden getranscribeerd, eerst in karakters moet worden gesegmenteerd, maar omgekeerd, om in karakters te worden gesegmenteerd, moet het eerst worden getranscribeerd.
In het bijzonder kan de HTR offline worden onderscheiden, waarbij de te herkennen tekst in beeldformaat beschikbaar is en die het proces weergeeft van het omzetten van de in een afbeelding aanwezige tekst in een reeks gecodeerde letters die door een computer (in een formaat dat machineleesbaar wordt genoemd) en de online HTR, waarin de te herkennen tekst in realtime wordt verkregen door een tabletachtig apparaat, en dat hetzelfde einddoel heeft als de offline HTR, maar het gebruik van meer beschikbare informatie mogelijk maakt zoals schrijfsnelheid, druk en dynamiek en zorgt zo voor betere resultaten.
De eerste computersoftware die het probleem van handschriftherkenning aanpakte, werd in het begin van de jaren zestig gemaakt (Guberman 60), maar kon alleen geïsoleerde handgeschreven karakters lezen en niet cursief schrift; pas aan het eind van de jaren tachtig werd software ontwikkeld die cursief kon lezen en kwam de eerste commerciële software uit.
Tot op heden maken technieken op basis van neurale netwerken, passend opnieuw uitgewerkt dankzij het paradigma van deep learning of deep learning, of technologieën die door Italiaanse bedrijven zijn gepatenteerd, op basis van volledig innovatieve benaderingen, het mogelijk om zeer hoge prestaties te verkrijgen, vooral als ze in specifieke contexten worden gebruikt , ook al zijn ze nog lang niet vergelijkbaar met die van een mens.
Gebruik in de gezondheidszorg
De toepassingen in de zorg van deze technologie kunnen verschillend zijn, met voordelen voor zowel artsen die beslissingen moeten nemen als voor patiënten, die alle gegevens over hun situatie in één digitaal dossier zouden kunnen hebben: het digitaal medisch dossier.
De belangrijkste toepassing in de zorgsector betreft namelijk het omzetten van aantekeningen en aantekeningen die artsen tijdens de verschillende fasen van hun activiteiten op papier of op acquisitieapparatuur zoals tablets of smartphones hebben gemaakt in tekst die machineleesbaar is en dus direct beschikbaar is voor de systemen gezondheidsinformatie.
Het belangrijkste voordeel van de toepassing van deze technologie is het gebruik en het betekenis geven aan gegevens die anders genegeerd of niet gecontextualiseerd zouden kunnen worden en daarom nauwelijks een toegevoegde waarde zouden kunnen vertegenwoordigen.
Bovendien zou het proces van het verwerven en gebruiken van dergelijke handgeschreven gegevens, dat tegenwoordig bijna volledig analoog is omdat een menselijke operator dergelijke gegevens handmatig naar het informatiesysteem overbrengt, een operatie die uren, zo niet dagen duurt, buitengewoon effectiever en efficiënter worden en zou 60-70% minder dan de tijd die vandaag nodig is om de taak te voltooien.
Deze technologie is in Italië ook met succes toegepast in andere sectoren, zoals verzekeringen, posterijen en het bankwezen, voor het beheer van grote hoeveelheden handgeschreven documenten met betrekking tot verzoeken om vergoedingen, claimbeheer, automatische uitlezing van cheques en postadressen of formulieren met een standaard structuur.
Een innovatieve en nuttige technologie voor onze zorgprofessionals.