美国癌症协会与医疗AI公司Layer Health达成了多年的合作，该公司使用大语言模型（LLMs）来改进数据抽象并生成见解。合作伙伴将从数千名参与美国癌症协会研究的患者的病历中提取数据，最终目标是缩短研究时间线。
Layer Health是一家总部位于波士顿的医疗AI公司，成立于2023年，该公司使用大语言模型（LLMs）来改进数据抽象并从电子健康记录（EHR）数据中提取见解。双方合作将从数千名参与美国癌症协会研究的患者的病历中提取数据。
被提取的数据元素包括患者癌症的信息，如癌症分期或生物标志物，以及患者治疗过程中的信息，如影像检查日期或手术日期。
在过去，美国癌症协会通过手动方式从病历中提取信息来进行癌症预防研究。这个手动过程需要一年多的时间，Layer首席执行官David Sontag表示。
他指出，AI可以大大加快这一过程。一旦医疗机构配置了Layer平台以提取特定数据元素，AI可以在几小时内处理数千份患者记录。
去年五月，美国癌症协会进行了一项试点项目，应用Layer的AI处理了200份患者病历。试点结果显示，Layer的AI在准确性方面超过了人工提取，达到了95-100%的准确率。
Sontag解释说：“能够以与人类相同的准确性但更快的速度获得结果，意味着ACS研究人员可以更快地开始分析数据，从而加速他们的关键研究。具有可扩展的抽象解决方案还使得可以从病历中提取更多种类的数据元素，使研究人员能够提出并回答关于研究人群更细微、更深入的问题。”
通过扩大与Layer的合作，美国癌症协会希望加速其病历抽象过程，同时扩大每个病历中提取的数据元素的范围和数量，同时保持准确性，Sontag表示。
为了衡量这些目标的成功，Sontag指出，Layer将密切跟踪每个数据元素的提取准确性和病历处理的速度。
Sontag指出，在大语言模型之前的自然语言处理技术未能很好地跨不同医疗机构的患者记录进行泛化——只有在输入数据非常标准化的情况下才能表现良好。
“大语言模型更加灵活且具有上下文感知能力。这使得大语言模型即使在来自数千个不同诊所和医院的数据看起来不同时也能表现出色——因此使得这项工作能够规模化。”他声明。
(全文结束)