匹克球是美国增长最快的体育项目之一。根据Pickleheads的数据，在过去三年中，玩家数量增长了超过200%。随着玩家数量的增长，匹克球相关的伤害也有所增加。根据NBC News的报道，这些伤害主要由跌倒引起，包括严重的骨骨折、韧带扭伤和肌肉拉伤。
为了获取有关这些伤害的数据，西达赛奈医疗中心（Cedars-Sinai）正在使用人工智能从病历记录中提取数据。在HIMSS25会议上，西达赛奈的主要数据智能分析师Kathy Bailey将详细介绍她和她的团队所学到的知识，以及这些知识如何应用于临床研究。该会议将于2025年3月4日星期二举行，主题为“AI-Powered Extraction of Pickleball Injury Information from Patient Notes”。
虽然Kathy Bailey没有全面的匹克球伤害统计数据，但西达赛奈已经能够识别出比传统方法更多的患者。“我们识别出的患者数量超过了研究预期，样本中有80%的患者被正确识别。” Bailey表示。
GPT-4用于从自由文本病历记录中提取离散数据元素，以识别与匹克球相关的伤害。相关数据提供了关于伤害可能性、伤害部位、严重程度和伤害日期的信息，这大大减少了人工审查的时间。
利用人工智能可以提高数据准确性并提高操作效率，同时减少手动工作量和数据准备时间，Bailey说。它可以高效地搜索临床笔记，找到未被捕获在结构化医疗代码或其他离散方法中的信息。
这个项目的初衷是为了应对临床研究中对强大数据提取方法的需求。传统的提取方法，如SQL中的REGEX，通常无法捕捉上下文信息，因此需要大量的手动审查和数据清理，Bailey解释道。
强大的数据提取至关重要，因为关键的患者信息往往存在于非结构化的临床笔记中，而不是结构化的数据库字段中。没有这种方法，医生和护士在笔记中写的详细观察和解释将无法支持临床研究。
“在我们的匹克球伤害研究中，人工智能组件——即使用的大型语言模型——通过扫描医生笔记标记相关病例，提供了每个伤害的丰富上下文细节，如受伤方式、严重程度和受伤部位。这种深度信息是传统基于编码的搜索无法提供的。此外，人工智能可以在短时间内分析数千份病历，相比之下，人工审查可能需要几周甚至几个月的时间，使大规模研究成为可能。”
(全文结束)
