一種新的人工智慧工具展示了閱讀醫療記錄並準確預測患者死亡風險、再入院風險以及對其護理重要的其他結果的能力。
宣傳
該計畫由紐約大學 (NYU) 格羅斯曼醫學院的一個團隊開發，已在所有大學附屬醫院使用，希望成為醫療保健領域的標準。
關於其預測價值的研究發表在本週三（7日）的《自然》雜誌。主要作者、紐約大學神經外科醫生和電腦科學家 Eric Oermann 告訴法新社，雖然非人工智慧預測模型在醫學領域已存在多年，但在實踐中卻很少使用，因為它們所需的數據需要重新組織和不舒服的格式適應。
然而，「醫學界普遍存在的一件事是，醫生會寫下他們在診所看到的情況以及與患者討論的內容，」作者強調。 “所以我們的基本啟示是：我們可以從醫療記錄作為數據源開始，然後基於它們構建預測模型嗎？”
宣傳
名為NYUTron 的大型語言模型接受了從387.000 年2011 月至2020 年4,1 月期間在NYU Langone 醫院接受護理的XNUMX 名患者的病歷中提取的數百萬條醫療筆記進行訓練。這些記錄包括醫生所做的筆記、病患進度記錄、放射線報告和放電指令總計XNUMX億字。
該計劃的主要挑戰之一是解釋醫生在筆記中使用的自然語言，這些語言在個體之間存在很大差異，包括他們使用的縮寫。
透過分析所獲得的記錄，研究人員能夠計算出該程式的預測正確的頻率。此外，他們還在現實環境中測試了該工具，並使用曼哈頓一家醫院的記錄對其進行訓練，以了解其在布魯克林醫院不同患者人口統計中的表現。
宣傳
總體而言，NYUTron 確定了 95% 出院前在醫院死亡的患者以及 80% 將在 30 天內重新入院的患者。該工具的表現優於大多數醫生的預測以及目前不使用人工智慧的模型。
然而，令團隊驚訝的是，「最有經驗的醫生，實際上非常有名，表現超人，比模型更好，」奧曼強調。 “技術和醫學之間的最佳點並不在於它必須總是提供超人的結果，而是它必須提供一個真正的起點。”
NYUTron 也正確估計了 79% 患者的住院時間、89% 患者拒絕承保的情況以及 89% 患者的原發疾病伴隨其他疾病的情況下存在的其他疾病。
宣傳
奧爾曼表示，人工智慧永遠不會取代醫病關係。相反，它將有助於“在護理時向臨床醫生提供更多信息，以便他們做出更明智的決定。”
閱讀更多：
* 本文的文本部分由人工智慧工具和最先進的語言模型生成，有助於文本的準備、審查、翻譯和摘要。文字條目是由 Curto 來自人工智慧工具的新聞和回應被用來改善最終內容。
需要強調的是，人工智慧工具只是工具，發佈內容的最終責任在於 Curto 消息。透過負責任且合乎道德的方式使用這些工具，我們的目標是擴大溝通的可能性並使優質資訊的獲取民主化。 🤖
