一项由加州大学圣地亚哥分校医学院研究人员领导的新试点研究发现，先进的人工智能（AI）技术有可能使医院质量报告更加容易、快速和高效，同时保持高精度，从而提升医疗保健服务的质量。
该研究结果发表在2024年10月21日的《新英格兰医学杂志AI》（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，与手动报告的吻合度达到90%，这可能导致更高效和可靠的医疗报告方法。
研究人员与加州大学圣地亚哥健康系统的乔安和欧文·雅各布斯健康创新中心（JCHI）合作，发现LLMs可以准确地提取复杂的质量指标，尤其是在处理医疗保险和医疗补助服务中心（CMS）的SEP-1指标（严重败血症和败血性休克）这一具有挑战性的背景下。
加州大学圣地亚哥分校医学院博士后学者、该研究的主要作者亚伦·布西纳（Aaron Boussina）表示：“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服务，从而增强个性化护理并改善患者对高质量数据的访问。随着我们推进这项研究，我们设想未来质量报告不仅高效，还能改善整体患者体验。”
传统上，SEP-1的抽象过程涉及对患者病历进行细致的63步评估，需要多名评审员花费数周时间。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见解，大幅减少这一过程所需的时间和资源。
通过应对质量测量的复杂需求，研究人员相信这些发现为更高效和响应迅速的医疗保健系统铺平了道路。研究的共同作者、加州大学圣地亚哥健康系统的首席质量和患者安全官查德·范登伯格（Chad VanDenBerg）表示：“我们将继续努力利用技术来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我们医疗团队提供的卓越护理。”
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。
下一步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。
该研究的共同作者还包括沙米姆·内马蒂（Shamim Nemati）、里希瓦尔丹·克里希纳莫尔提（Rishivardhan Krishnamoorthy）、金伯利·昆特罗（Kimberly Quintero）、什雷扬尚·乔希（Shreyansh Joshi）、加布里埃尔·沃迪（Gabriel Wardi）、海登·普尔（Hayden Pour）、尼古拉斯·希尔伯特（Nicholas Hilbert）、阿图尔·马尔霍特拉（Atul Malhotra）、迈克尔·霍加斯（Michael Hogarth）、艾米·西塔帕蒂（Amy Sitapati）、卡兰迪普·辛格（Karandeep Singh）和克里斯托弗·隆格斯特（Christopher Longhurst），他们均来自加州大学圣地亚哥分校。
该研究部分由国家过敏和传染病研究所（1R42AI177108-1）、国家医学图书馆（2T15LM011271-11 和 R01LM013998）和国家普通医学科学研究所（R35GM143121 和 K23GM146092）以及JCHI资助。
披露：布西纳是Healcisio Inc的联合创始人并持有该公司股权，该公司开发与数字健康相关的产品。该研究部分由提供给Healcisio的资金资助，加州大学圣地亚哥分校是次级受赠者。该安排的条款已由加州大学圣地亚哥分校根据其利益冲突政策进行了审查和批准。
(全文结束)
