一项发表在《阿尔茨海默病与痴呆症》杂志上的新研究表明，大型语言模型能够准确预测哪些痴呆症患者可能在六个月内死亡，从而识别适合接受临终关怀服务的人群。
马萨诸塞州总医院和哈佛医学院的研究人员运用大语言模型GPT-4o分析医院出院总结，为近10,000名阿尔茨海默病及相关痴呆症患者评估死亡风险。GPT-4o成功实现患者风险分层，其预测性能达到曲线下面积0.79——这一指标表明模型具有显著的预测能力。研究作者指出，该技术可帮助临床医生识别临终关怀候选者，无需特殊培训或针对特定医疗机构的定制化调整。
在此次回顾性研究中，36%的患者在出院后六个月内死亡。GPT-4o生成的风险评分仅基于出院总结，无需重新训练或额外数据输入，却有效区分了不同风险等级：最低风险四分位数中88%的患者存活满六个月，而最高风险四分位数中该比例仅为26%。
研究作者表示："在完成出院总结时即时实施风险预测，有助于为这一规模庞大、治疗成本高昂且快速增长的患者群体进行更精准的资源规划与配置。"
美国联邦医疗保险(Medicare)规定临终关怀资格需满足预期寿命不超过六个月的条件。研究指出，现有死亡率预测模型和疾病特异性评估工具未能提供临床医生所需的确切预后信息，导致转诊决策困难。疾病进展预测的不确定性使痴呆症患者面临临终关怀登记延迟的困境，该群体在所有疾病诊断中遭遇非自愿终止临终关怀服务的比例最高。
研究团队坦承存在若干局限。该模型的决策过程透明度有限，研究人员采用主题建模而非直接分析来探究影响GPT-4o预测的关键因素。研究也未能获取姑息治疗表现量表等结构化评估工具进行对比验证。此外，虽然模型性能在不同种族间表现一致，但存在轻微性别差异，男性患者的假阴性预测率相对较高。研究人员特别强调，任何基于文档分析的预测方法都必须依托专业临床医生的判断，并呼吁在实际临床应用前开展更多前瞻性研究验证。
【全文结束】
