AI สามารถปรับปรุงการระบุปัจจัยกำหนดทางสังคมด้านสุขภาพใน EHR ได้

ติดตาม Drugslib ได้ที่

ตรวจสอบทางการแพทย์โดย Carmen Pope, BPharm อัปเดตล่าสุดเมื่อวันที่ 12 มกราคม 2024

โดย Elana Gotkine HealthDay Reporter

วันศุกร์ที่ 12 มกราคม 2024 -- โมเดลภาษาขนาดใหญ่ (LLM) ) อาจปรับปรุงการระบุตัวกำหนดทางสังคมของสุขภาพ (SDoH) ในบันทึกสุขภาพอิเล็กทรอนิกส์ (EHRs) ได้ตามการศึกษาที่เผยแพร่ออนไลน์เมื่อวันที่ 11 มกราคมใน npj Digital Medicine

สังเกตว่า SDoH มีบทบาทสำคัญ ในผลลัพธ์ของผู้ป่วย แต่เอกสารประกอบของพวกเขามักจะขาดหายไปหรือไม่สมบูรณ์ใน EHR, Marco Guevara จาก Mass General Brigham และ Harvard Medical School ในบอสตัน และเพื่อนร่วมงานได้ตรวจสอบวิธีการที่เหมาะสมที่สุดสำหรับการใช้ LLM เพื่อแยก SDoH หกประเภทจากข้อความบรรยายใน EHR: การจ้างงาน ที่อยู่อาศัย การขนส่ง สถานะความเป็นบิดามารดา ความสัมพันธ์ และการสนับสนุนทางสังคม

นักวิจัยพบว่าโมเดลที่มีประสิทธิภาพดีที่สุดคือ Flan-T5 XL และ Flan-T5 XXL ที่ได้รับการปรับแต่งอย่างละเอียดสำหรับการกล่าวถึง SDoH และ SDoH ที่ไม่พึงประสงค์ กล่าวถึงตามลำดับ ในโมเดลและสถาปัตยกรรมต่างๆ มีการเปลี่ยนแปลงในการเพิ่มข้อมูลสังเคราะห์ที่สร้างโดย LLM เพื่อการฝึกซ้อม แต่สิ่งนี้ได้ปรับปรุงประสิทธิภาพของโมเดล Flan-T5 ขนาดเล็ก ในการตั้งค่าเป็นศูนย์และไม่กี่ช็อต โมเดลที่ได้รับการปรับแต่งที่ดีที่สุดจะมีประสิทธิภาพเหนือกว่าประสิทธิภาพเป็นศูนย์และไม่กี่ช็อตของรุ่น ChatGPT ยกเว้น GPT4 ที่มีการเตือน 10 ช็อตสำหรับ SDoH ที่ไม่พึงประสงค์ เมื่อมีการเพิ่มเชื้อชาติ/ชาติพันธุ์ และคำอธิบายเพศลงในข้อความ โมเดลที่ได้รับการปรับแต่งมีโอกาสน้อยกว่า ChatGPT ที่จะเปลี่ยนแปลงการทำนาย ซึ่งบ่งบอกถึงอคติของอัลกอริทึมน้อยกว่า โดยรวมแล้ว ผู้ป่วยที่มีอาการ SDoH ไม่พึงประสงค์ร้อยละ 93.8 ได้รับการระบุด้วยแบบจำลองนี้ ในขณะที่รหัส International Classification of Diseases-Version 10 พบได้ร้อยละ 2.0

"ในอนาคต โมเดลเหล่านี้สามารถปรับปรุงความเข้าใจของเราเกี่ยวกับปัจจัยขับเคลื่อนของความแตกต่างด้านสุขภาพโดยการปรับปรุงหลักฐานในโลกแห่งความเป็นจริง และสามารถสนับสนุนการดูแลผู้ป่วยได้โดยตรงโดยการตั้งค่าสถานะผู้ป่วยที่อาจได้รับประโยชน์มากที่สุดจากทรัพยากรเชิงรุกและการอ้างอิงงานสังคมสงเคราะห์" ผู้เขียนเขียน .

บทคัดย่อ/ข้อความเต็ม

< p class='ddc-disclaimer'>ข้อจำกัดความรับผิดชอบ: ข้อมูลทางสถิติในบทความทางการแพทย์ให้แนวโน้มทั่วไปและไม่เกี่ยวข้องกับบุคคล ปัจจัยส่วนบุคคลอาจแตกต่างกันอย่างมาก ขอคำแนะนำทางการแพทย์เฉพาะบุคคลเสมอเพื่อการตัดสินใจด้านการดูแลสุขภาพส่วนบุคคล

แหล่งที่มา: HealthDay

โพสต์แล้ว : 2024-01-13 02:15

อ่านเพิ่มเติม

ข้อจำกัดความรับผิดชอบ

มีความพยายามทุกวิถีทางเพื่อให้แน่ใจว่าข้อมูลที่ให้โดย Drugslib.com นั้นถูกต้อง ทันสมัย -วันที่และเสร็จสมบูรณ์ แต่ไม่มีการรับประกันใดๆ เกี่ยวกับผลกระทบดังกล่าว ข้อมูลยาเสพติดที่มีอยู่นี้อาจจะเป็นเวลาที่สำคัญ. ข้อมูล Drugslib.com ได้รับการรวบรวมเพื่อใช้โดยผู้ประกอบวิชาชีพด้านการดูแลสุขภาพและผู้บริโภคในสหรัฐอเมริกา ดังนั้น Drugslib.com จึงไม่รับประกันว่าการใช้นอกสหรัฐอเมริกามีความเหมาะสม เว้นแต่จะระบุไว้เป็นอย่างอื่นโดยเฉพาะ ข้อมูลยาของ Drugslib.com ไม่ได้สนับสนุนยา วินิจฉัยผู้ป่วย หรือแนะนำการบำบัด ข้อมูลยาของ Drugslib.com เป็นแหล่งข้อมูลที่ได้รับการออกแบบมาเพื่อช่วยเหลือผู้ปฏิบัติงานด้านการดูแลสุขภาพที่ได้รับใบอนุญาตในการดูแลผู้ป่วยของตน และ/หรือเพื่อให้บริการลูกค้าที่ดูบริการนี้เป็นส่วนเสริมและไม่ใช่สิ่งทดแทนความเชี่ยวชาญ ทักษะ ความรู้ และการตัดสินด้านการดูแลสุขภาพ ผู้ปฏิบัติงาน

การไม่มีคำเตือนสำหรับยาหรือยาผสมใด ๆ ไม่ควรตีความเพื่อบ่งชี้ว่ายาหรือยาผสมนั้นปลอดภัย มีประสิทธิผล หรือเหมาะสมสำหรับผู้ป่วยรายใดรายหนึ่ง Drugslib.com ไม่รับผิดชอบต่อแง่มุมใดๆ ของการดูแลสุขภาพที่ดำเนินการโดยได้รับความช่วยเหลือจากข้อมูลที่ Drugslib.com มอบให้ ข้อมูลในที่นี้ไม่ได้มีวัตถุประสงค์เพื่อให้ครอบคลุมถึงการใช้ คำแนะนำ ข้อควรระวัง คำเตือน ปฏิกิริยาระหว่างยา ปฏิกิริยาการแพ้ หรือผลข้างเคียงที่เป็นไปได้ทั้งหมด หากคุณมีคำถามเกี่ยวกับยาที่คุณกำลังใช้ โปรดตรวจสอบกับแพทย์ พยาบาล หรือเภสัชกรของคุณ

คำสำคัญยอดนิยม