(autor: Giancarlo De Leo, Konsultant ds. Publikacji Medyczno-Naukowych i Zdrowia Cyfrowego, Partner i Sekretarz Obserwatorium Zdrowia Cyfrowego Włoskiego Stowarzyszenia Rewolucji Cyfrowej)
Rozpoznawanie pisma ręcznego, znane również jako rozpoznawanie tekstu odręcznego (HTR), odnosi się do zdolności oprogramowania do interpretacji pisma odręcznego; można go uzyskać na różne sposoby: z dokumentów papierowych lub obrazów cyfrowych, a nie ze zdjęć lub urządzeń z ekranem dotykowym i skanerów.
Ta czynność, która dla człowieka jest natychmiastowa, ponieważ jest zakodowana w naszym mózgu, jest niezwykle skomplikowana dla oprogramowania ze względu na ogromną zmienność pisma ręcznego w zależności od autora, alfabetu i języka odniesienia. Ponadto działalność ta cierpi z powodu tzw. paradoksu Sayre, zgodnie z którym słowo popisane kursywą, aby dokonać transkrypcji, musi najpierw zostać podzielone na znaki, ale odwrotnie, aby zostać podzielone na znaki, musi najpierw zostać przepisane.
W szczególności można wyróżnić HTR offline, w którym tekst do rozpoznania jest dostępny w formacie obrazu i reprezentuje proces konwersji tekstu obecnego na obrazie na sekwencję zakodowanych liter, które mogą być używane przez komputer (w format zwany do odczytu maszynowego) i HTR online, w którym tekst do rozpoznania jest pobierany przez urządzenie podobne do tabletu w czasie rzeczywistym i który ma ten sam cel końcowy, co HTR offline, ale umożliwia wykorzystanie dalszych dostępnych informacji takich jak szybkość pisania, nacisk i dynamika, a tym samym zapewnia lepsze wyniki.
Pierwsze oprogramowanie komputerowe, które zajmowało się problemem rozpoznawania pisma ręcznego, powstało na początku lat sześćdziesiątych (Guberman 60), ale było w stanie odczytywać tylko pojedyncze znaki, a nie pismo kursywą; dopiero pod koniec lat 1962. pojawiło się oprogramowanie zdolne do odczytywania kursywy i pojawiło się pierwsze oprogramowanie komercyjne.
Do tej pory techniki oparte na sieciach neuronowych, odpowiednio przepracowane dzięki paradygmatowi deep learningu lub deep learningu, czy technologie opatentowane przez włoskie firmy, oparte na całkowicie nowatorskich podejściach, pozwalają na uzyskanie bardzo wysokiej wydajności, zwłaszcza jeśli są stosowane w określonych kontekstach , nawet jeśli są jeszcze dalekie od porównywalności z tymi uzyskanymi przez człowieka.
Stosowanie w opiece zdrowotnej
Zastosowania tej technologii w dziedzinie opieki zdrowotnej mogą być różne, z korzyścią zarówno dla lekarzy, którzy muszą podejmować decyzje, jak i dla pacjentów, którzy mogą mieć wszystkie dane dotyczące ich sytuacji w jednym cyfrowym pliku: cyfrowej dokumentacji medycznej.
W rzeczywistości główne zastosowanie w sektorze opieki zdrowotnej dotyczy konwersji notatek i notatek sporządzonych przez lekarzy na różnych etapach ich działalności na papierze lub na urządzeniach akwizycyjnych, takich jak tablety lub smartfony, na tekst czytelny maszynowo, a zatem natychmiast dostępny dla systemy, informacje zdrowotne.
Główną zaletą stosowania tej technologii jest wykorzystanie i nadanie znaczenia danym, które w innym przypadku mogłyby zostać zignorowane lub nieumieszczone w kontekście, a zatem nie mogłyby stanowić wartości dodanej.
Co więcej, proces pozyskiwania i wykorzystywania takich odręcznych danych, który obecnie jest prawie całkowicie analogiczny, ponieważ operator ręcznie przenosi takie dane do systemu informatycznego, operacja, która zajmuje godziny, jeśli nie dni, stałaby się niezwykle skuteczna i wydajna i wymagałaby 60-70% mniej niż czas potrzebny dzisiaj na wykonanie zadania.
Ta technologia we Włoszech została również z powodzeniem zastosowana w innych sektorach, takich jak ubezpieczenia, poczta i bankowość, do zarządzania dużymi ilościami odręcznych dokumentów związanych z wnioskami o zwrot kosztów, zarządzanie roszczeniami, automatyczne odczytywanie czeków i adresów pocztowych lub formularzy z domyślna struktura.
Innowacyjna i użyteczna technologia dla naszych pracowników służby zdrowia.