西奈山伊坎医学院的研究人员表示，生成式人工智能（AI），例如 GPT-4，即使只对有限数量的记录进行了最低限度的训练，也可以帮助预测急诊室患者是否需要入院。这项研究的细节发表在 5 月 21 日的《美国医学信息学协会杂志》在线版上。
在这项回顾性研究中，研究人员分析了西奈山医疗系统七家医院的记录，使用了结构化数据（如生命体征）和非结构化数据（如护士分诊记录），这些数据来自超过 864,000 次急诊室就诊，同时排除了可识别的患者数据。在这些就诊中，有 159,857 次（18.5%）导致患者入院。
研究人员在各种场景中将 GPT-4 与传统机器学习模型（如用于文本的 Bio-Clinical-BERT 和用于结构化数据的 XGBoost）进行了比较，评估了其独立预测医院入院人数的性能以及与传统方法相结合预测医院入院人数的性能。
“我们的目的是测试生成式人工智能，特别是像 GPT-4 这样的大型语言模型 (LLM)，是否可以提高我们在急诊科等高容量环境中预测入院率的能力，”伊坎西奈山数据驱动和数字医学 (D3M) 部门生成式人工智能研究项目主任、医学博士 Eyal Klang 说道。“我们的目标是通过这项技术增强临床决策能力。我们对 GPT-4 适应急诊室环境的能力感到惊讶，并为其决策提供了理由。这种解释其基本原理的能力使其有别于传统模型，并为人工智能在医疗决策中的应用开辟了新途径。”
传统的机器学习模型需要使用数百万条记录进行训练，而 LLM 只需几个示例就能有效学习。此外，研究人员表示，LLM 可以结合传统的机器学习预测，从而提高性能
“我们的研究表明，人工智能很快就能为急诊室的医生提供支持，让他们能够快速、明智地决定患者入院情况。这项研究为医疗人工智能的进一步创新打开了大门，鼓励开发能够像人类专家一样从有限数据中推理和学习的模型，”共同资深作者 Girish N. Nadkarni 博士说，他是医学博士、公共卫生硕士、Irene 和 Arthur M. Fishberg 博士，伊坎西奈山医学教授、查尔斯布朗夫曼个性化医学研究所所长和 D3M 系统负责人。“然而，虽然结果令人鼓舞，但这项技术仍然处于支持作用，通过提供额外的见解来增强决策过程，而不是超越医疗保健中仍然至关重要的人为因素。”
该研究团队正在研究如何将大型语言模型应用于医疗保健系统，目标是将其与传统的机器学习方法和谐地结合起来，以应对实时临床环境中的复杂挑战和决策。
“我们的研究揭示了 LLM 如何融入医疗保健运营。快速培训 LLM 的能力凸显了它们即使在医疗保健等复杂环境中也能提供宝贵见解的潜力，”研究合著者、急诊室医师、西奈山医疗系统首席执行官 Brendan Carr 医学博士、文学硕士、理学硕士表示。“我们的研究为进一步研究人工智能在医疗保健领域的整合奠定了基础，涉及需要持续优化的诊断、治疗、运营和管理任务等多个领域。”
该论文的标题为“评估最先进的大型语言模型对急诊室入院人数预测的准确性”。
论文的其他作者均来自伊坎西奈山医院，他们是 Benjamin S. Glicksberg 博士；Dhaval Patel 理学士；Ashwin Sawant 医学博士；Akhil Vaid 医学博士；Ganesh Raut 理学士；Alexander W. Charney 医学博士、哲学博士；Donald Apakama 医学博士；以及 Robert Freeman 注册护士。
这项工作得到了美国国家心肺血液研究所 (NIH) 拨款 5R01HL141841-05 的支持。
资讯来源：由a0资讯编译自THECOINREPUBLIC。版权归作者A0资讯所有，未经许可，不得转载
