AI Bisa Ngapikake Identifikasi Penentu Sosial Kesehatan ing EHR

Tindakake Drugslib ing

Dideleng kanthi medis dening Carmen Pope, BPharm. Dianyari pungkasan tanggal 12 Jan 2024.

Dening Elana Gotkine HealthDay Reporter

Jum'ah, 12 Januari 2024 -- Model basa gedhe (LLMs) ) duweni potensi bisa ningkatake identifikasi penentu sosial kesehatan (SDoH) ing cathetan kesehatan elektronik (EHR), miturut studi sing diterbitake online 11 Januari ing npj Digital Medicine.

Ngelingi yen SDoH nduweni peran penting. ing asil pasien nanging dokumentasi asring ilang utawa ora lengkap ing EHRs, Marco Guevara, saka Mass General Brigham lan Harvard Medical School ing Boston, lan kanca-kancane nliti cara optimal kanggo nggunakake LLM kanggo ngekstrak enem kategori SDoH saka teks narasi ing EHR: lapangan kerja. , omah, transportasi, status wong tuwa, hubungan, lan dhukungan sosial.

Para panaliti nemokake manawa model sing paling apik yaiku Flan-T5 XL lan Flan-T5 XXL kanggo sebutan SDoH lan SDoH sing ora becik. nyebutake, mungguh. Ing saindhenging model lan arsitektur, ana variasi ing tambahan data sintetik LLM-kui kanggo latihan, nanging iki nambah kinerja model cilik Flan-T5. Ing setelan nul lan sawetara-dijupuk, model finetuned paling apik outperformed nul- lan sawetara-dijupuk saka model ChatGPT, kajaba GPT4 karo 10-dijupuk prompting kanggo salabetipun SDoH. Nalika deskriptor ras / etnis lan jender ditambahake ing teks kasebut, model sing disetujoni kurang cenderung tinimbang ChatGPT kanggo ngganti prediksi, nyaranake bias algoritma sing kurang. Sakabèhé, 93,8 persen pasien karo SDoH sing ala diidentifikasi nganggo model kasebut, dene kode Klasifikasi Penyakit Internasional-Versi 10 entuk 2,0 persen.

"Ing mangsa ngarep, model iki bisa nambah pangerten kita babagan pembalap disparitas kesehatan kanthi ningkatake bukti nyata lan bisa langsung ndhukung perawatan pasien kanthi menehi tandha pasien sing bisa entuk manfaat paling akeh saka sumber daya proaktif lan rujukan kerja sosial," tulis panulis. .

Abstrak/Teks Lengkap

< p class='ddc-disclaimer'>Disclaimer: Data statistik ing artikel medis nyedhiyakake tren umum lan ora ana hubungane karo individu. Faktor individu bisa beda-beda banget. Tansah golek saran medis khusus kanggo keputusan perawatan kesehatan individu.

Sumber: HealthDay

Dikirim : 2024-01-13 02:15

Waca liyane

Disclaimer

Kabeh upaya wis ditindakake kanggo mesthekake yen informasi sing diwenehake dening Drugslib.com akurat, nganti -tanggal, lan lengkap, nanging ora njamin kanggo efek sing. Informasi obat sing ana ing kene bisa uga sensitif wektu. Informasi Drugslib.com wis diklumpukake kanggo digunakake dening praktisi kesehatan lan konsumen ing Amerika Serikat lan mulane Drugslib.com ora njamin sing nggunakake njaba Amerika Serikat cocok, kajaba khusus dituduhake digunakake. Informasi obat Drugslib.com ora nyetujoni obat, diagnosa pasien utawa menehi rekomendasi terapi. Informasi obat Drugslib.com minangka sumber informasi sing dirancang kanggo mbantu praktisi kesehatan sing dilisensi kanggo ngrawat pasien lan / utawa nglayani konsumen sing ndeleng layanan iki minangka tambahan, lan dudu pengganti, keahlian, katrampilan, kawruh lan pertimbangan babagan perawatan kesehatan. praktisi.

Ora ana bebaya kanggo kombinasi obat utawa obat sing diwenehake kanthi cara apa wae kudu ditafsirake kanggo nuduhake yen obat utawa kombinasi obat kasebut aman, efektif utawa cocok kanggo pasien tartamtu. Drugslib.com ora nanggung tanggung jawab kanggo aspek kesehatan apa wae sing ditindakake kanthi bantuan informasi sing diwenehake Drugslib.com. Informasi sing ana ing kene ora dimaksudake kanggo nyakup kabeh panggunaan, pituduh, pancegahan, bebaya, interaksi obat, reaksi alergi, utawa efek samping. Yen sampeyan duwe pitakon babagan obat sing sampeyan gunakake, takon dhokter, perawat utawa apoteker.

Tembung kunci populer