將來，我們或許能夠使用大型語言模型 (LLM) 自動讀取醫(yī)療記錄中的臨床記錄，并可靠高效地提取相關(guān)信息以支持患者護理或研究。但哥倫比亞大學梅爾曼公共衛(wèi)生學院最近的一項研究使用 ChatGPT-4 閱讀急診科入院記錄，以確定受傷的踏板車和自行車騎手是否戴了頭盔，結(jié)果發(fā)現(xiàn) LLM 尚無法可靠地做到這一點。該研究結(jié)果發(fā)表在JAMA Network Open 上。
在對 2019 年至 2022 年騎自行車、踏板車或其他微型交通工具時受傷的 54,569 名患者進行急診就診的研究中，人工智能法學碩士 (AI LLM) 難以復制基于文本字符串搜索的方法從臨床記錄中提取頭盔狀態(tài)的結(jié)果。
只有當提示包含基于文本字符串搜索的方法中使用的所有文本時，LLM 才能表現(xiàn)良好。LLM 也很難在連續(xù)五天的每次試驗中重復其工作，它在重復幻覺方面比在準確工作方面做得更好。當短語被否定時，它尤其吃力，例如閱讀“w/o 頭盔”或“unhelmeted”并報告患者戴了頭盔。
大量醫(yī)學相關(guān)數(shù)據(jù)以書面臨床筆記的形式包含在電子病歷中，這是一種非結(jié)構(gòu)化數(shù)據(jù)。高效地讀取和提取這些筆記中的信息對于研究非常有用。
目前，可以使用簡單的字符串匹配文本搜索方法或通過更復雜的基于人工智能 (AI) 的方法(例如自然語言處理)從這些臨床記錄中提取信息。人們希望新的 LLM(例如 ChatGPT-4)能夠更快、更可靠地提取信息。
哥倫比亞大學梅爾曼學院流行病學教授、資深作者 Andrew Rundle 博士表示：“雖然我們看到使用生成式 AI LLM 進行信息提取任務可能會提高效率，但可靠性和幻覺問題目前限制了它的實用性。”
“當我們使用包含與頭盔相關(guān)的所有文本字符串的高度詳細的提示時，ChatGPT-4 在某些日子可以從臨床記錄中提取準確的數(shù)據(jù)。但是，定義和測試提示中必須包含的所有文本所需的時間以及 ChatGPT-4 無法日復一日地復制其工作，這表明 ChatGPT-4 尚未完成這項任務。”
Rundle 及其同事利用美國消費品安全委員會國家電子傷害監(jiān)測系統(tǒng) 2019 年至 2022 年的公開數(shù)據(jù)(以 96 家美國醫(yī)院為樣本)，分析了在電動自行車、自行車、懸浮滑板和電動滑板車事故中受傷患者的急診室記錄。他們將?? ChatGPT-4 對記錄的分析結(jié)果與使用更傳統(tǒng)的基于文本字符串的搜索生成的數(shù)據(jù)進行了比較，并且對于 400 條記錄，他們將 ChatGPT 的分析與他們自己對記錄中臨床筆記的解讀進行了比較。
這項研究建立在他們研究如何預防微型交通工具使用者(即騎自行車者、電動自行車騎手、踏板車騎手)受傷的工作基礎之上。“頭盔的使用是傷害嚴重程度的一個關(guān)鍵因素，但在大多數(shù)急診科醫(yī)療記錄和事故報告中，有關(guān)頭盔使用的信息都隱藏在醫(yī)生或 EMS 受訪者撰寫的臨床筆記中。需要進行大量研究才能可靠、高效地獲取這些信息，”該論文的主要作者、梅爾曼學院流行病學系博士后研究員凱瑟琳·伯福德 (Kathryn Burford) 說。
“我們的研究考察了法學碩士從臨床筆記中提取信息的潛力，臨床筆記是醫(yī)療專業(yè)人員和研究人員的豐富信息來源，”蘭德爾說。“但在我們使用 ChatGPT-4 時，它無法可靠地為我們提供數(shù)據(jù)。”
合著者包括哥倫比亞大學梅爾曼公共衛(wèi)生學院的 Nicole G. Itzkowitz、哥倫比亞人口研究中心的 Ashley G. Ortega 和哥倫比亞社會工作學院的 Julien O. Teitler。
標簽：
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權(quán)請聯(lián)系刪除！