AI は EHR における健康の社会的決定要因の特定を改善できる

ドラッグスリブをフォローしてください

BPharm の Carmen Pope によって医学的にレビューされています。最終更新日は 2024 年 1 月 12 日です。

投稿者 Elana Gotkine HealthDay レポーター

2024 年 1 月 12 日金曜日 -- 大規模言語モデル (LLM) npj Digital Medicine に 1 月 11 日にオンライン掲載された研究結果によると、電子医療記録 (EHR) における健康の社会的決定要因 (SDoH) の特定を潜在的に改善できる可能性があります。

SDoH が重要な役割を果たすことに注目マサチューセッツ・ジェネラル・ブリガム・アンド・ハーバード・メディカル・スクール（ボストン）のマルコ・ゲバラ氏らは、LLMを使用してEHRの説明文から6つのSDoHカテゴリーを抽出するための最適な方法を検討した。

研究者らは、SDoH への言及や不利な SDoH に対して微調整された Flan-T5 XL と Flan-T5 XXL が最もパフォーマンスの高いモデルであることを発見しました。とそれぞれ言及しています。 LLM で生成された合成データをトレーニングに追加する方法はモデルやアーキテクチャによって異なりますが、これにより小規模な Flan-T5 モデルのパフォーマンスが向上しました。ゼロおよび数ショット設定では、有害な SDoH を求める 10 ショット プロンプトを持つ GPT4 を除き、最適な微調整モデルが ChatGPT モデルのゼロおよび数ショット パフォーマンスを上回りました。人種/民族および性別の記述子がテキストに追加された場合、微調整されたモデルは ChatGPT よりも予測を変更する可能性が低く、アルゴリズムのバイアスが少ないことを示唆しています。全体として、有害な SDoH 患者の 93.8% がモデルで特定され、国際疾病分類バージョン 10 コードでは 2.0% が特定されました。

「将来的には、これらのモデルは現実世界の証拠を改善することで健康格差の要因についての理解を深め、積極的なリソースやソーシャルワークの紹介から最も恩恵を受ける可能性のある患者にフラグを立てることで患者ケアを直接サポートできる可能性がある」と著者らは書いている。 .

要約/全文

< p class='ddc-disclaimer'>免責事項: 医学論文の統計データは一般的な傾向を提供するものであり、個人には関係しません。個々の要因は大きく異なる可能性があります。個々の医療上の決定については、常に個別の医学的アドバイスを求めてください。

出典: HealthDay

投稿しました : 2024-01-13 02:15

続きを読む

免責事項

Drugslib.com によって提供される情報が正確であることを保証するためにあらゆる努力が払われています。 -日付、および完全ですが、その旨については保証されません。ここに含まれる医薬品情報は時間に敏感な場合があります。 Drugslib.com の情報は、米国の医療従事者および消費者による使用を目的として編集されているため、特に明記されていない限り、Drugslib.com は米国外での使用が適切であることを保証しません。 Drugslib.com の医薬品情報は、医薬品を推奨したり、患者を診断したり、治療法を推奨したりするものではありません。 Drugslib.com の医薬品情報は、認可を受けた医療従事者による患者のケアを支援すること、および/または医療の専門知識、スキル、知識、判断の代替ではなく補足としてこのサービスを閲覧している消費者にサービスを提供することを目的とした情報リソースです。

特定の薬物または薬物の組み合わせに対する警告がないことは、その薬物または薬物の組み合わせが特定の患者にとって安全、有効、または適切であることを示すものと決して解釈されるべきではありません。 Drugslib.com は、Drugslib.com が提供する情報を利用して管理される医療のいかなる側面についても責任を負いません。ここに含まれる情報は、考えられるすべての使用法、使用法、注意事項、警告、薬物相互作用、アレルギー反応、または副作用を網羅することを意図したものではありません。服用している薬について質問がある場合は、医師、看護師、または薬剤師に問い合わせてください。

人気のキーワード