加州大学圣地亚哥分校医学院研究人员领导的一项试点研究发现，先进的人工智能(AI)技术有望使医院质量报告的生成过程更加简便、快速和高效，同时保持高准确性，从而提升医疗服务水平。
该研究结果发表于2024年10月21日《新英格兰医学杂志》AI版在线期刊，研究发现使用大型语言模型(LLMs)的人工智能系统能够准确处理医院质量指标，与人工报告达成90%的一致性，这可能带来更高效可靠的医疗报告方法。
该研究与加州大学圣地亚哥分校健康中心的Joan和Irwin Jacobs健康创新中心(JCHI)合作进行，研究发现LLMs能够对复杂的质量指标进行准确的抽象处理，特别是在医疗保险和医疗补助服务中心(CMS)针对重度脓毒症和脓毒性休克的SEP-1指标这一具有挑战性的背景下。
"将LLMs整合到医院工作流程中有望通过使过程更加实时化来变革医疗服务，这可以增强个性化护理并改善患者获取质量数据的途径，"加州大学圣地亚哥分校医学院的博士后学者、该研究的主要作者Aaron Boussina表示。"随着我们推进这项研究，我们设想一个质量报告不仅高效，还能改善整体患者体验的未来。"
传统上，SEP-1的抽象过程涉及对大量患者病历进行细致的63步评估，需要多位评审人员花费数周时间。该研究发现，LLMs能够通过准确扫描患者病历并在几秒钟内生成关键的上下文洞察，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。
"我们继续致力于利用技术来帮助减轻医疗保健的行政负担，从而使我们的质量改进专家能够有更多时间支持我们医疗团队提供的卓越护理，"加州大学圣地亚哥分校健康中心的研究合著者、首席质量和患者安全官Chad VanDenBerg表示。
该研究的其他关键发现表明，LLMs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保健环境中扩展应用。
未来步骤包括研究团队验证这些发现并实施它们，以增强可靠的数据和报告方法。
本研究的合著者包括加州大学圣地亚哥分校的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。
本研究部分由国家过敏与传染病研究所(1R42AI177108-1)、国家医学图书馆(2T15LM011271-11和R01LM013998)和国家普通医学科学研究所(R35GM143121和K23GM146092)以及JCHI资助。
【全文结束】