Η τεχνητή νοημοσύνη μπορεί να βελτιώσει την αναγνώριση των κοινωνικών καθοριστικών παραγόντων της υγείας στα ΗΜΥ

Ακολουθήστε το Drugslib

Ιατρικά ελεγμένο από την Carmen Pope, BPharm. Τελευταία ενημέρωση στις 12 Ιανουαρίου 2024.

Από την Elana Gotkine HealthDay Reporter

ΠΑΡΑΣΚΕΥΗ, 12 Ιαν. 2024 -- Μεγάλα γλωσσικά μοντέλα (LLMs ) μπορεί δυνητικά να βελτιώσει τον εντοπισμό των κοινωνικών καθοριστικών παραγόντων της υγείας (SDoH) στα ηλεκτρονικά αρχεία υγείας (EHRs), σύμφωνα με μια μελέτη που δημοσιεύτηκε διαδικτυακά στις 11 Ιανουαρίου στο npj Digital Medicine.

Λαμβάνοντας υπόψη ότι το SDoH διαδραματίζει σημαντικό ρόλο. στα αποτελέσματα των ασθενών, αλλά η τεκμηρίωσή τους συχνά λείπει ή είναι ελλιπής στα EHR, ο Marco Guevara, από το Mass General Brigham και το Harvard Medical School στη Βοστώνη, και οι συνάδελφοί του εξέτασαν τις βέλτιστες μεθόδους για τη χρήση LLM για την εξαγωγή έξι κατηγοριών SDoH από το αφηγηματικό κείμενο στο EHR: απασχόληση , στέγαση, μεταφορές, γονική κατάσταση, σχέση και κοινωνική υποστήριξη.

Οι ερευνητές διαπίστωσαν ότι τα μοντέλα με τις καλύτερες επιδόσεις ήταν τα καλά συντονισμένα Flan-T5 XL και Flan-T5 XXL για τυχόν αναφορές SDoH και δυσμενή SDoH αναφέρει, αντίστοιχα. Μεταξύ των μοντέλων και της αρχιτεκτονικής, υπήρχε ποικιλία στην προσθήκη συνθετικών δεδομένων που δημιουργήθηκαν από LLM στην εκπαίδευση, αλλά αυτό βελτίωσε την απόδοση των μικρών μοντέλων Flan-T5. Στη ρύθμιση μηδενικών και λίγων λήψεων, τα καλύτερα προσαρμοσμένα μοντέλα ξεπέρασαν τις επιδόσεις μηδενικών και λίγων λήψεων των μοντέλων ChatGPT, εκτός από το GPT4 με προτροπή 10 λήψεων για δυσμενή SDoH. Όταν στο κείμενο προστέθηκαν περιγραφικοί δείκτες φυλής/εθνικότητας και φύλου, τα λεπτομερώς συντονισμένα μοντέλα ήταν λιγότερο πιθανό από το ChatGPT να αλλάξουν την πρόβλεψή τους, υποδηλώνοντας λιγότερη αλγοριθμική προκατάληψη. Συνολικά, το 93,8 τοις εκατό των ασθενών με ανεπιθύμητη SDoH ταυτοποιήθηκαν με τα μοντέλα, ενώ οι κωδικοί Διεθνούς Ταξινόμησης Νοσημάτων-Έκδοση 10 κατέλαβαν το 2,0 τοις εκατό.

"Στο μέλλον, αυτά τα μοντέλα θα μπορούσαν να βελτιώσουν την κατανόησή μας για τους παράγοντες που προκαλούν ανισότητες στην υγεία βελτιώνοντας τα πραγματικά στοιχεία και θα μπορούσαν να υποστηρίξουν άμεσα τη φροντίδα των ασθενών επισημαίνοντας ασθενείς που μπορούν να ωφεληθούν περισσότερο από την προληπτική παραπομπή πόρων και κοινωνικής εργασίας", γράφουν οι συγγραφείς .

Περίληψη/Πλήρες κείμενο

< p class='ddc-disclaimer'>Αποποίηση ευθυνών: Τα στατιστικά δεδομένα σε ιατρικά άρθρα παρέχουν γενικές τάσεις και δεν αφορούν μεμονωμένα άτομα. Οι μεμονωμένοι παράγοντες μπορεί να διαφέρουν πολύ. Να αναζητάτε πάντα εξατομικευμένες ιατρικές συμβουλές για μεμονωμένες αποφάσεις υγειονομικής περίθαλψης.

Πηγή: HealthDay

Δημοσιεύτηκε : 2024-01-13 02:15

Διαβάστε περισσότερα

Αποποίηση ευθυνών

Έχει καταβληθεί κάθε δυνατή προσπάθεια για να διασφαλιστεί ότι οι πληροφορίες που παρέχονται από το Drugslib.com είναι ακριβείς, μέχρι -ημερομηνία και πλήρης, αλλά δεν παρέχεται καμία εγγύηση για το σκοπό αυτό. Οι πληροφορίες φαρμάκων που περιέχονται εδώ μπορεί να είναι ευαίσθητες στο χρόνο. Οι πληροφορίες του Drugslib.com έχουν συγκεντρωθεί για χρήση από επαγγελματίες υγείας και καταναλωτές στις Ηνωμένες Πολιτείες και επομένως το Drugslib.com δεν εγγυάται ότι οι χρήσεις εκτός των Ηνωμένων Πολιτειών είναι κατάλληλες, εκτός εάν ρητά αναφέρεται διαφορετικά. Οι πληροφορίες φαρμάκων του Drugslib.com δεν υποστηρίζουν φάρμακα, δεν κάνουν διάγνωση ασθενών ή συνιστούν θεραπεία. Οι πληροφορίες για τα φάρμακα του Drugslib.com είναι ένας ενημερωτικός πόρος που έχει σχεδιαστεί για να βοηθά τους αδειοδοτημένους επαγγελματίες υγείας στη φροντίδα των ασθενών τους ή/και να εξυπηρετούν τους καταναλωτές που βλέπουν αυτήν την υπηρεσία ως συμπλήρωμα και όχι ως υποκατάστατο της τεχνογνωσίας, των δεξιοτήτων, της γνώσης και της κρίσης της υγειονομικής περίθαλψης επαγγελματίες.

Η απουσία προειδοποίησης για ένα δεδομένο φάρμακο ή συνδυασμό φαρμάκων σε καμία περίπτωση δεν πρέπει να ερμηνεύεται ως ένδειξη ότι το φάρμακο ή ο συνδυασμός φαρμάκων είναι ασφαλής, αποτελεσματικός ή κατάλληλος για οποιονδήποτε δεδομένο ασθενή. Το Drugslib.com δεν αναλαμβάνει καμία ευθύνη για οποιαδήποτε πτυχή της υγειονομικής περίθαλψης που παρέχεται με τη βοήθεια των πληροφοριών που παρέχει το Drugslib.com. Οι πληροφορίες που περιέχονται στο παρόν δεν προορίζονται να καλύψουν όλες τις πιθανές χρήσεις, οδηγίες, προφυλάξεις, προειδοποιήσεις, αλληλεπιδράσεις με φάρμακα, αλλεργικές αντιδράσεις ή ανεπιθύμητες ενέργειες. Εάν έχετε ερωτήσεις σχετικά με τα φάρμακα που παίρνετε, συμβουλευτείτε το γιατρό, τη νοσοκόμα ή τον φαρμακοποιό σας.

Δημοφιλείς λέξεις-κλειδιά