一项由加州大学圣地亚哥分校医学院领导的初步研究发现，先进的人工智能（AI）有可能使医院的质量报告编制过程变得更加简单、快速和高效，同时保持高准确性，这可能会提升医疗保健的交付质量。该研究结果发表在2024年10月21日的《NEJM AI》在线版上，发现使用大型语言模型（LLMs）的AI系统可以准确处理医院质量指标，与手动报告的符合率达到了90%，这可能为医疗保健报告提供更高效和可靠的方法。
该研究的作者与加州大学圣地亚哥分校健康创新中心（JCHI）合作，发现LLMs可以在复杂的质量指标抽象过程中表现出色，尤其是在应对医疗保险和医疗补助服务中心（CMS）SEP-1指标（用于严重脓毒症和脓毒性休克）的挑战性环境中。“将LLMs整合到医院工作流程中有望通过实时化过程来变革医疗保健的交付，从而增强个性化护理并改善患者获取高质量数据的机会，”加州大学圣地亚哥分校医学院的博士后学者兼该研究的主要作者Aaron Boussina说，“随着我们推进这项研究，我们设想一个未来，质量报告不仅高效，还能改善整体的患者体验。”
传统上，SEP-1的抽象过程涉及对大量患者病历进行细致的63步评估，需要多名评审员花费数周的时间。该研究发现，LLMs可以通过准确扫描患者病历并在几秒钟内生成关键的上下文洞察，大幅减少这一过程所需的时间和资源。
通过解决质量测量的复杂需求，研究人员相信这些发现为更加高效和响应迅速的医疗保健系统铺平了道路。“我们将继续致力于利用技术减轻医疗保健的行政负担，从而让我们的质量改进专家有更多时间支持医疗团队提供的卓越护理，”加州大学圣地亚哥分校健康系统的首席质量和患者安全官Chad VanDenBerg说。
该研究的其他主要发现包括：LLMs可以通过纠正错误和加快处理时间来提高效率；通过自动化任务降低行政成本；实现近乎实时的质量评估；并且可以在各种医疗保健环境中扩展应用。
未来的步骤包括研究团队验证这些发现并实施这些方法，以增强可靠的数据和报告方法。该研究的合著者还包括Shamim Nemati、Rishivardhan Krishnamoorthy、Kimberly Quintero、Shreyansh Joshi、Gabriel Wardi、Hayden Pour、Nicholas Hilbert、Atul Malhotra、Michael Hogarth、Amy Sitapati、Karandeep Singh和Christopher Longhurst，他们均来自加州大学圣地亚哥分校。
(全文结束)
