生成的AI发现马里兰州急诊室未发现的鸟类流感风险

根据新发现的新发现，马里兰大学医学院的研究人员已开发了一种新的高效应用人工智能（AI）工具来快速扫描电子病历中的注意事项，并确定可能感染了H5N1 Avian流感或“鸟类流感”的高风险患者出版在日记中临床传染病。

研究小组使用生成的AI大语言模型（LLM），分析了2024年在城市，郊区和农村地区成年患者的马里兰州医学系统（UMMS）医院急诊室的13,494次访问。这些患者均已急性呼吸道疾病（例如咳嗽，发烧，充血）或与早期H5N1感染一致的结膜炎症状。目的是评估生成AI如何找到在初次治疗时可能被忽视的高危患者。

该模型在扫描所有急诊室指出的指标上标记了76，因为他们提到了鸟类流感的高风险暴露，例如像屠夫一样工作，或者在带有牲畜的农场（例如鸡或母牛）。通常，这些暴露是偶然地提到的，例如，记录了患者作为屠夫或农场工作人员的职业，而不是因为临床上怀疑鸟类流感。

在研究人员进行了简短的审查之后，确认有14名患者最近与已知的携带H5N1的动物相关，包括家禽，野生鸟类和牲畜。这些患者没有专门针对H5N1进行测试，因此未确认其潜在的鸟类 - 富集感染，但是该模型在成千上万接受季节性流感和其他常规呼吸道疾病的患者中发现了这些“针刺中的针头”病例。

“这项研究表明，生成性AI如何通过检测高危患者来填补我们的公共卫生基础设施的关键空白，否则这些患者否则会被忽视。”

“随着H5N1在美国动物中继续流通，我们在全国范围内最大的危险是我们不知道我们不知道的是什么。因为我们没有跟踪有多少症状患者有潜在的鸟流感暴露，并且正在测试了多少患者，因此未发现的感染可能是未发现的。对于医疗保健系统而言，对人类的暴露和迅速曝光的信息至关重要。”

自2024年初以来，H5N1在17个州感染了1,075多个乳制牛群，在此爆发期间，超过1.75亿的家禽和野生鸟类的测试呈阳性。根据疾病控制与预防中心（CDC）的数据，发现人类病例仍然很少见，到2025年中，美国有70例确认的感染，在美国只有1人死亡。但是，由于缺乏广泛的测试，可能还没有发现更多的感染。此外，可能会出现新的菌株，从而实现人类到人类的空降传播，这将导致病例的增加和潜在的流行病。

研究合着者安东尼·哈里斯（Anthony Harris，MD），UMSOM的流行病学和公共卫生教授和代理主席。“这种方法有可能建立一个国家临床前哨站点网络，以帮助我们更好地监测新兴新兴的流行病。”

LLM（GPT-4 Turbo）在识别动物暴露的情况下表现出强烈的表现，其中90％积极的预测价值在2022年的10,000个历史急诊室访问样本中对其进行评估时，预测价值为98％，此前鸟流感在美国牲畜循环之前进行了评估。但是，该模型在确定与禽流感特别相关的暴露时是保守的，有时会标记具有低风险动物接触的患者，例如暴露于狗的暴露，强调了对任何标记病例的人类审查的需求。

随着动物传播的感染风险的增长，研究人员认为，大型语言模型也可以前瞻性地用于实时提醒医疗保健提供者。这可能会促使他们更加警惕地询问潜在接触感染动物，靶向测试以及通过隔离患者控制感染。疾病预防控制中心目前依靠要求的实验室报告跟踪禽流感但是缺乏系统来评估临床医生是否正在询问或记录有症状患者的相关暴露。

研究人员希望下次测试大语言模型对于电子健康记录中的前瞻性监视和部署，可更快地实时识别高危患者。随着呼吸道病毒季节在秋季恢复，具有快速准确的方法来识别需要特殊测试的鸟类流感或接受治疗时预防性隔离的患者，这一点尤其重要。

“我们处于破坏性但令人难以置信的有希望的革命的最前沿大数据和人工智能。”马里兰州大学医学事务副总裁，巴尔的摩大学（UMB），约翰·Z.和Akiko K. Bowers杰出教授，他也是医学事务副总裁，他也是医学副总裁。

“在健康计算研究所工作的工程师和医师研究人员可以从我们整个马里兰州服务的两百万患者获得医疗记录，并且正如本研究所表明的那样，可以使用AI和大数据来识别新兴感染性疾病的早期信号鸟流感使我们能够尽快采取行动来测试这些疾病并防止它们传播。”

本文的其他UMSOM教师共同作者包括UMSOM流行病学和公共卫生教授Laurence S. Magder博士，Jonathan D. Baghdadi博士，医学博士，医学博士，医学博士，UMSOM的流行病学和公共卫生副教授，UMSOM的UMSOM教授，他也是Eperem J. Morniel＆Daniel＆Daniel＆Daniel＆Daniel＆Daniel＆Daniel＆Daniel＆dan＆dan＆dan＆dan＆dan＆danUMSOM的健康。