Sztuczna inteligencja może poprawić identyfikację społecznych determinantów zdrowia w EHR
Autor: Elana Gotkine Reporterka HealthDay
PIĄTEK, 12 stycznia 2024 r. — Duże modele językowe (LLM) ) może potencjalnie poprawić identyfikację społecznych uwarunkowań zdrowia (SDoH) w elektronicznej dokumentacji zdrowotnej (EHR), jak wynika z badania opublikowanego w Internecie 11 stycznia w npj Digital Medicine.
Zauważając, że SDoH odgrywają ważną rolę w wynikach pacjentów, ale często brakuje ich dokumentacji w EHR lub jest ona niekompletna, Marco Guevara z Mass General Brigham i Harvard Medical School w Bostonie wraz ze współpracownikami zbadał optymalne metody wykorzystania LLM do wyodrębnienia sześciu kategorii SDoH z tekstu narracji w EHR: zatrudnienie , mieszkanie, transport, status rodzicielski, związek i wsparcie społeczne.
Naukowcy odkryli, że najlepiej działające modele to Flan-T5 XL i Flan-T5 XXL pod kątem wszelkich wzmianek o SDoH i niekorzystnych SDoH wspomina, odpowiednio. W zależności od modeli i architektury występowały różnice w dodawaniu do uczenia syntetycznych danych generowanych przez LLM, ale poprawiło to wydajność małych modeli Flan-T5. W ustawieniu zerowym i kilku strzałów najlepiej dostrojone modele osiągnęły lepsze wyniki w przypadku zerowego i kilku strzałów modeli ChatGPT, z wyjątkiem GPT4 z 10-strzałowym monitem o niekorzystne SDoH. Kiedy do tekstu dodano deskryptory rasy/pochodzenia etnicznego i płci, prawdopodobieństwo, że dostrojone modele zmienią swoje przewidywania z mniejszym prawdopodobieństwem niż w przypadku ChatGPT, będzie mniejsze, co sugeruje mniejsze obciążenie algorytmiczne. Ogółem za pomocą modeli zidentyfikowano 93,8 procent pacjentów z niepożądaną SDoH, podczas gdy kody Międzynarodowej Klasyfikacji Chorób w wersji 10 objęły 2,0 procent.
„W przyszłości modele te mogą poprawić nasze zrozumienie czynników powodujących dysproporcje w stanie zdrowia poprzez udoskonalenie dowodów pochodzących ze świata rzeczywistego i mogą bezpośrednio wspierać opiekę nad pacjentem poprzez oznaczanie pacjentów, którzy mogą najwięcej skorzystać na skierowaniu do proaktywnych zasobów i pracy socjalnej” – piszą autorzy. .
< p class='ddc-disclaimer'>Zastrzeżenie: Dane statystyczne zawarte w artykułach medycznych przedstawiają ogólne trendy i nie dotyczą poszczególnych osób. Indywidualne czynniki mogą się znacznie różnić. Zawsze zasięgaj spersonalizowanej porady lekarskiej w przypadku podejmowania indywidualnych decyzji dotyczących opieki zdrowotnej.Źródło: HealthDay
Wysłano : 2024-01-13 02:15
Czytaj więcej
- Ćwierćfuntowe paszteciki wołowe McDonald's nie są źródłem skażenia E. Coli
- Wizyta na ostrym dyżurze często może poprzedzać rozpoznanie raka
- Dane z II wojny światowej pokazują wpływ cukru na zdrowie dzieci
- Lekarze często nie ratują kobiet z powikłaniami po operacjach wysokiego ryzyka
- Obecne użycie tytoniu przez młodzież w USA spadnie w 2024 r
- Większość starszych Amerykanów nie ufa informacjom zdrowotnym generowanym przez sztuczną inteligencję – wynika z ankiety
Zastrzeżenie
Dołożono wszelkich starań, aby informacje dostarczane przez Drugslib.com były dokładne i aktualne -data i kompletność, ale nie udziela się na to żadnej gwarancji. Informacje o lekach zawarte w niniejszym dokumencie mogą mieć charakter wrażliwy na czas. Informacje na stronie Drugslib.com zostały zebrane do użytku przez pracowników służby zdrowia i konsumentów w Stanach Zjednoczonych, dlatego też Drugslib.com nie gwarantuje, że użycie poza Stanami Zjednoczonymi jest właściwe, chyba że wyraźnie wskazano inaczej. Informacje o lekach na Drugslib.com nie promują leków, nie diagnozują pacjentów ani nie zalecają terapii. Informacje o lekach na Drugslib.com to źródło informacji zaprojektowane, aby pomóc licencjonowanym pracownikom służby zdrowia w opiece nad pacjentami i/lub służyć konsumentom traktującym tę usługę jako uzupełnienie, a nie substytut wiedzy specjalistycznej, umiejętności, wiedzy i oceny personelu medycznego praktycy.
Brak ostrzeżenia dotyczącego danego leku lub kombinacji leków w żadnym wypadku nie powinien być interpretowany jako wskazanie, że lek lub kombinacja leków jest bezpieczna, skuteczna lub odpowiednia dla danego pacjenta. Drugslib.com nie ponosi żadnej odpowiedzialności za jakikolwiek aspekt opieki zdrowotnej zarządzanej przy pomocy informacji udostępnianych przez Drugslib.com. Informacje zawarte w niniejszym dokumencie nie obejmują wszystkich możliwych zastosowań, wskazówek, środków ostrożności, ostrzeżeń, interakcji leków, reakcji alergicznych lub skutków ubocznych. Jeśli masz pytania dotyczące przyjmowanych leków, skontaktuj się ze swoim lekarzem, pielęgniarką lub farmaceutą.
Popularne słowa kluczowe
- metformin obat apa
- alahan panjang
- glimepiride obat apa
- takikardia adalah
- erau ernie
- pradiabetes
- besar88
- atrofi adalah
- kutu anjing
- trakeostomi
- mayzent pi
- enbrel auto injector not working
- enbrel interactions
- lenvima life expectancy
- leqvio pi
- what is lenvima
- lenvima pi
- empagliflozin-linagliptin
- encourage foundation for enbrel
- qulipta drug interactions