加州大学圣地亚哥分校医学院的研究人员发现，大型语言模型（LLMs）可以准确处理医院质量指标，与手动报告的一致性达到90%。通过应对复杂的质量测量需求，研究人员相信这一发现为更高效和可靠的医疗质量报告方法铺平了道路。该试点研究的结果于10月21日在线发表在《新英格兰医学杂志》AI版上。
该研究由加州大学圣地亚哥分校健康创新中心（JCHI）的研究人员与乔安和欧文·雅各布斯健康创新中心合作进行，发现LLMs可以在复杂的质量指标中进行准确的抽象，特别是在医疗保险和医疗补助服务中心（CMS）的SEP-1严重败血症和败血性休克指标方面。传统上，SEP-1的抽象过程涉及详细的63步评估患者病历，需要多个评审员花费数周的时间。这项研究发现，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洞察，大幅减少所需的时间和资源。
“将LLMs整合到医院工作流程中有望通过使过程更加实时来改变医疗保健交付，这可以增强个性化护理并改善患者获得高质量数据的机会，”加州大学圣地亚哥分校医学院的博士后学者兼该研究的主要作者亚伦·布西纳在一份声明中表示。“随着我们推进这项研究，我们设想了一个未来，质量报告不仅高效，而且能改善整体患者体验。”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。这项研究部分资金来自提供给Healcisio的货币奖励，加州大学圣地亚哥分校作为次级接收方。
研究还发现，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。
“我们将继续致力于利用技术来帮助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，”加州大学圣地亚哥分校健康首席质量和患者安全官查德·范登伯格在一份声明中表示。这项研究部分资金来自美国国家过敏和传染病研究所、美国国家医学图书馆和美国国家一般医学科学研究所。
(全文结束)
