AI có thể cải thiện việc xác định các yếu tố xã hội quyết định sức khỏe trong EHRs

Được Carmen Pope, BPharm xem xét về mặt y tế. Cập nhật lần cuối vào ngày 12 tháng 1 năm 2024.

Bởi Elana Gotkine HealthDay Reporter

THỨ SÁU, ngày 12 tháng 1 năm 2024 -- Mô hình ngôn ngữ lớn (LLM ) có khả năng cải thiện việc xác định các yếu tố xã hội quyết định sức khỏe (SDoH) trong hồ sơ sức khỏe điện tử (EHR), theo một nghiên cứu được công bố trực tuyến vào ngày 11 tháng 1 trên tạp chí npj Digital Medicine.

Lưu ý rằng SDoH đóng một vai trò quan trọng về kết quả của bệnh nhân nhưng tài liệu của họ thường bị thiếu hoặc không đầy đủ trong EHR, Marco Guevara, từ Mass General Brigham và Trường Y Harvard ở Boston, cùng các đồng nghiệp đã kiểm tra các phương pháp tối ưu để sử dụng LLM để trích xuất sáu loại SDoH từ văn bản tường thuật trong EHR: việc làm , nhà ở, phương tiện đi lại, tình trạng cha mẹ, mối quan hệ và hỗ trợ xã hội.

Các nhà nghiên cứu nhận thấy rằng các mô hình hoạt động tốt nhất là Flan-T5 XL và Flan-T5 XXL được tinh chỉnh cho mọi đề cập SDoH và SDoH bất lợi lần lượt đề cập đến. Trên các mô hình và kiến ​​trúc, có sự khác biệt trong việc bổ sung dữ liệu tổng hợp do LLM tạo vào quá trình đào tạo, nhưng điều này đã cải thiện hiệu suất của các mẫu Flan-T5 nhỏ. Trong cài đặt không và ít ảnh, các mô hình được tinh chỉnh tốt nhất hoạt động tốt hơn hiệu suất không và ít ảnh của các mô hình ChatGPT, ngoại trừ GPT4 với lời nhắc 10 ảnh cho SDoH bất lợi. Khi các bộ mô tả về chủng tộc/dân tộc và giới tính được thêm vào văn bản, các mô hình được tinh chỉnh sẽ ít có khả năng thay đổi dự đoán hơn so với ChatGPT, điều này cho thấy ít sai lệch thuật toán hơn. Nhìn chung, 93,8% bệnh nhân có SDoH bất lợi được xác định bằng các mô hình, trong khi mã Phân loại bệnh quốc tế-Phiên bản 10 chiếm 2,0%.

"Trong tương lai, những mô hình này có thể nâng cao hiểu biết của chúng ta về nguyên nhân gây ra sự chênh lệch về sức khỏe bằng cách cải thiện bằng chứng thực tế và có thể hỗ trợ trực tiếp việc chăm sóc bệnh nhân bằng cách gắn cờ những bệnh nhân có thể được hưởng lợi nhiều nhất từ ​​nguồn lực chủ động và giới thiệu công tác xã hội", các tác giả viết .

Tóm tắt/Toàn văn

< p class='ddc-disclaimer'>Tuyên bố từ chối trách nhiệm: Dữ liệu thống kê trong các bài báo y tế cung cấp các xu hướng chung và không liên quan đến cá nhân. Các yếu tố cá nhân có thể khác nhau rất nhiều. Luôn tìm kiếm lời khuyên y tế được cá nhân hóa cho các quyết định chăm sóc sức khỏe của từng cá nhân.

Nguồn: HealthDay

Đọc thêm

Tuyên bố từ chối trách nhiệm

Chúng tôi đã nỗ lực hết sức để đảm bảo rằng thông tin do Drugslib.com cung cấp là chính xác, cập nhật -ngày và đầy đủ, nhưng không có đảm bảo nào được thực hiện cho hiệu ứng đó. Thông tin thuốc trong tài liệu này có thể nhạy cảm về thời gian. Thông tin về Drugslib.com đã được biên soạn để các bác sĩ chăm sóc sức khỏe và người tiêu dùng ở Hoa Kỳ sử dụng và do đó Drugslib.com không đảm bảo rằng việc sử dụng bên ngoài Hoa Kỳ là phù hợp, trừ khi có quy định cụ thể khác. Thông tin thuốc của Drugslib.com không xác nhận thuốc, chẩn đoán bệnh nhân hoặc đề xuất liệu pháp. Thông tin thuốc của Drugslib.com là nguồn thông tin được thiết kế để hỗ trợ các bác sĩ chăm sóc sức khỏe được cấp phép trong việc chăm sóc bệnh nhân của họ và/hoặc phục vụ người tiêu dùng xem dịch vụ này như một sự bổ sung chứ không phải thay thế cho chuyên môn, kỹ năng, kiến ​​thức và đánh giá về chăm sóc sức khỏe các học viên.

Việc không có cảnh báo đối với một loại thuốc hoặc sự kết hợp thuốc nhất định không được hiểu là chỉ ra rằng loại thuốc hoặc sự kết hợp thuốc đó là an toàn, hiệu quả hoặc phù hợp với bất kỳ bệnh nhân nào. Drugslib.com không chịu bất kỳ trách nhiệm nào đối với bất kỳ khía cạnh nào của việc chăm sóc sức khỏe được quản lý với sự hỗ trợ của thông tin Drugslib.com cung cấp. Thông tin trong tài liệu này không nhằm mục đích bao gồm tất cả các công dụng, hướng dẫn, biện pháp phòng ngừa, cảnh báo, tương tác thuốc, phản ứng dị ứng hoặc tác dụng phụ có thể có. Nếu bạn có thắc mắc về loại thuốc bạn đang dùng, hãy hỏi bác sĩ, y tá hoặc dược sĩ.

Từ khóa phổ biến