研究：人工智能可能变革医院生成质量报告的方式
由加州大学圣地亚哥分校医学院研究人员领导的一项初步研究发现，先进的人工智能（AI）有可能实现更简单、更快且更高效的医院质量报告，同时保持高准确性，这可能会改善医疗服务的提供。
发表在2024年10月21日在线版的某期刊上的研究结果表明，新英格兰医学杂志（NEJM）AI发现使用大规模语言模型（LLM）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%，这可能为医疗报告带来更高效和可靠的方法。
该研究的研究人员与乔安和欧文·雅各布斯健康创新中心（UC圣地亚哥卫生）发现大型语言模型能够对复杂的质量指标进行准确的抽象，特别是在美国医疗保险和医疗补助服务中心（CMS）SEP-1衡量标准的挑战性背景下。严重脓毒症和脓毒性休克.
“将大型语言模型集成到医院的工作流程中，有望通过使过程更加实时来改变医疗服务的提供方式，这可以增强个性化护理并提高患者访问高质量数据的机会，”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Aaron Boussina说道。“随着我们推进这项研究，我们展望一个未来，在这个未来中，质量报告不仅高效而且还能改善患者的整体体验。”
传统上，SEP-1的抽象过程包括对详尽的患者记录进行细致的63步评估，这需要多名评审人员数周的时间和精力。本研究发现，大型语言模型（LLMs）可以通过准确扫描患者的记录并在几秒钟内生成关键的上下文洞察，从而大幅减少这一过程所需的时间和资源。
通过解决质量测量的复杂需求，研究人员认为这些发现为更高效、更灵活的医疗保健系统铺平了道路。
“我们继续努力，利用技术帮助减轻医疗保健的行政负担，并因此使我们的质量改进专家能够花费更多时间支持我们医疗团队提供的卓越护理，”加州大学圣地亚哥健康系统的联合作者兼首席质量和患者安全官Chad VanDenBerg说道。
该研究的其他重要发现表明，大型语言模型可以通过纠正错误和加快处理时间来提高效率；通过自动化任务来降低行政成本；实现近乎实时的质量评估；并且可以在各种医疗环境中进行扩展。
下一步包括研究团队验证这些发现，并将其实施以增强可靠的数据和报告方法。
本研究的合著者包括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。
本研究部分得到了美国国家过敏和传染病研究所（1R42AI177108-1）、国立医学图书馆（2T15LM011271-11 和 R01LM013998）和国家通用医学科学研究所（R35GM143121 和 K23GM146092）以及 JCHI 的资助。
披露：Boussina 是初创公司 Healcisio Inc 的联合创始人，并持有该公司股权，Healcisio Inc 开发与数字健康相关的产品。本研究部分得到了由 Healcisio 获得的资金支持，而加州大学圣地亚哥分校是该资金的支持接受方之一。根据加州大学圣地亚哥分校的利益冲突政策，对该安排的条款进行了审查并获得批准。
暂无评论