Ключевые результаты
Большая языковая модель (LLM) продемонстрировала высокую чувствительность и специфичность при анализе электронных медицинских карт (ЭМК) пациентов для выявления противопоказаний к тромболизису при оценке состояния пациентов с инсультом. Результаты исследования были представлены в виде постерного доклада на Международной конференции по инсульту (International Stroke Conference).
Методология
Исследователи разработали и протестировали большую языковую модель для автоматизации процесса поиска противопоказаний к тромболитической терапии в электронных медицинских картах пациентов. Система была обучена распознавать клинически значимые факторы, которые могут представлять риск для проведения тромболизиса у пациентов с острым ишемическим инсультом.
Клиническое значение
"При остром инсульте решения о тромболизисе являются критически важными с точки зрения времени и зависят от быстрого выявления противопоказаний, скрытых в ЭМК", — сообщил Бинг Ю Чен (Bing Yu Chen), врач-невролог из Кливлендской клиники (Cleveland Clinic) изданию Healio.
"Ручной просмотр медицинской документации может быть медленным и вариативным, особенно в условиях временного давления, а пропущенные противопоказания могут привести к разрушительным кровоизлияниям", — добавил он.
Выводы
Внедрение систем на основе искусственного интеллекта, в частности больших языковых моделей, может значительно повысить скорость и точность принятия решений при оказании экстренной помощи пациентам с инсультом. Автоматизация процесса выявления противопоказаний к тромболизису потенциально способна снизить риск осложнений и улучшить исходы лечения у пациентов с острым ишемическим инсультом.