加州大学圣地亚哥分校医学院的一项新试点研究发现，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，同时保持高准确性，这可能有助于改善医疗服务交付。该研究结果发表在2024年10月21日的《新英格兰医学杂志AI》在线版上，研究发现，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，与手动报告的一致性达到90%，这可能导致更高效和可靠的医疗报告方法。
该研究由加州大学圣地亚哥分校医学院的研究人员领导，与UC San Diego Health的Joan和Irwin Jacobs健康创新中心（JCHI）合作，发现LLMs可以在复杂的质量指标中进行准确的抽象，特别是在处理Medicare和Medicaid服务中心（CMS）的SEP-1指标（用于严重败血症和败血性休克）方面表现出色。
“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交付，这可以增强个性化护理并改善患者对质量数据的访问。”加州大学圣地亚哥分校医学院的博士后学者、该研究的主要作者Aaron Boussina表示，“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，还能改善整体患者体验。”
传统上，SEP-1的抽象过程涉及对患者病历进行详细的63步评估，需要多个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见解，大幅减少这一过程所需的时间和资源。
研究人员相信，通过应对质量测量的复杂需求，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。“我们致力于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的医疗团队提供的卓越护理。”UC San Diego Health的首席质量和患者安全官Chad VanDenBerg说。
该研究的其他关键发现包括：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管理成本；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它们，以增强可靠的数据和报告方法。该研究的共同作者还包括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。
该研究部分由美国过敏和传染病研究所（1R42AI177108-1）、美国国家医学图书馆（2T15LM011271-11和R01LM013998）和美国国家普通医学科学研究所（R35GM143121和K23GM146092）以及JCHI资助。
**披露：**Boussina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接受者。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)
