在医疗保健 AI 领域的一项重大突破中，GenHealth.ai 于今日发表了一项研究，详细介绍了一种先进的生成式 AI 模型，其在医疗成本和风险预测方面比既定的行业基准高出 14% 以上。该模型挑战了 Milliman、Cotiviti 和约翰·霍普金斯等领先公司的传统方法，为医疗保健预测的精度设定了新的标准，同时为患者医疗保健旅程的未来提供了前所未有的视角。
GenHealth.ai 的“引入大型医疗模型：最先进的医疗成本和临床风险预测”一文阐述了 GenHealth.ai 如何利用专为医疗保健设计的生成式 AI 方法来取得卓越成果。大型医疗模型（LMM）结合了专门为医疗保健定制的独特词汇、支撑大型语言模型的神经网络转换器技术，以及来自 1.4 亿患者的数万亿次医疗事件的数据。由此产生的模型在医疗保健领域的性能提升类似于大型语言模型相对于传统自然语言处理方法的改进。
GenHealth.ai 的首席执行官 Ricky Sahu 表示：“我们创建大型医疗模型是为了解决大型语言模型和传统分析在广泛的医疗保健应用中的不足。我们专门针对医疗保健的 AI 从基础开始构建，以支持从人群健康分析到自动预先授权以及检测欺诈/浪费/滥用等所有方面。这不仅关乎简化行政任务——尽管我们的模型在这方面表现出色。这是迈向真正个性化患者护理的第一颗火花。这是医疗保健组织通常使用数据寻找一般模式的方式的转变，变成了一个在几秒钟内，每个患者和每次就诊都能获得比人类更好的、可操作的洞察力的模型。它将产生与大型语言模型对文本交互的影响相当的效果。”
该研究的亮点包括：
- 一种新的标记化方案：该论文引入了在医疗保健特定数据和标记上生成式 AI 的新用途，以全面预测患者的未来。
- 在成本预测方面达到最先进（SOTA）性能：在预测患者的总医疗成本和风险因素方面达到前所未有的准确性，大大超过了当前行业领导者使用的传统系统。
- 在慢性病预测方面的 SOTA 性能：除了更准确地预测总医疗成本外，本文还详细介绍了如何使用同一模型预测各种慢性病。
- 对医疗保健的影响：通过在事件级别提供更准确的预测细节，该 AI 模型有望更具可操作性和可解释性。这些功能有助于将见解从研究转化为实践，以减少浪费性支出并改善患者管理。
GenHealth.ai 的首席技术官 Eric Marriott 补充道：“我们的团队在医疗保健理赔和临床数据方面拥有多年的实践经验。这种深厚的知识为我们提供了许多人可能错过但对于在我们的 AI 模型中实现如此高性能和多功能性至关重要的独特见解。我们能够针对广泛的应用对其进行微调，因为我们习惯于处理大量医疗保健数据中存在的细微差别和复杂性。”
GenHealth.ai 团队现在正在大型医疗模型的基础上构建应用程序。类似于 ChatGPT 是第一个普及大型语言模型访问的应用程序，GenHealth 已经在其医疗模型之上推出了应用程序，包括用于人群健康分析的副驾驶和预先授权自动化软件，以使 LMM 更易于访问。
GenHealth.ai 的首席运营官 Ethan Siegel 评论道：“对于我们正在构建的内容以及它如何帮助为提供者和医疗计划提供便利，我感到非常兴奋。我们可以使用我们的 AI 系统来帮助减少人们在痛苦的手动流程上花费的时间，以便他们能够花更多时间确保患者在正确的时间获得正确的治疗。”
如需更多信息，请访问 GenHealth.ai 的网站以获取医疗保健的解决方案和生成式 AI。要访问完整的研究论文，请访问 GenHealth 的网站。
联系信息
Mike Maseda
运营主管
marketing@genhealth.ai
来源：GenHealth.ai
在 newswire.com 上查看原始新闻稿。
