美国加州大学洛杉矶分校（UCLA）的研究人员开发了一种人工智能（AI）系统，该系统能够将通常以表格形式呈现的碎片化电子健康记录（EHR）转化为可读的叙事文本。这种技术使得人工智能能够理解复杂的患者病史，并利用这些叙事内容进行高精度的临床决策支持。多模态嵌入模型（Multimodal Embedding Model for EHR，简称MEME）将表格化的健康数据转化为类似于临床文档的“伪笔记”（pseudonotes），从而使专为文本设计的AI模型能够更高效地分析患者信息。
为什么这很重要
电子健康记录中包含大量患者信息，这些信息可以帮助医生在紧急情况下更快、更准确地做出决策。然而，当前最先进的AI模型大多基于文本工作，而医院的数据通常存储在包含数字、代码和类别的复杂表格中。这种不匹配阻碍了医疗系统充分利用先进AI的能力。尤其是急诊部门，快速决策至关重要，因此需要能够迅速处理全面患者病史并预测结果、指导治疗决策的工具。
研究内容
研究人员创建了一种新颖的方法，使用医疗文档中常见的简写方式，将表格化的电子健康记录数据转化为基于文本的“伪笔记”。换句话说，这种方法不是将电子健康记录视为一组代码，而是将其转化为由多个叙事组成的“故事”。该系统将患者数据分解为特定概念的模块（如药物、分诊生命体征、诊断等），然后使用简单模板将每个模块转化为文本，并通过语言模型分别编码。这种方法本质上模拟了一种医学推理的形式。
(全文结束)
