由加州大学圣地亚哥分校医学院的研究人员领导的一项试点研究发现，先进的人工智能（AI）有可能使医院质量报告过程更加简单、快速和高效，同时保持高准确性，这可能有助于提升医疗服务的提供。该研究结果于2024年10月21日在线发表在《新英格兰医学杂志AI》（NEJM AI）上，发现使用大型语言模型（LLMs）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%，这可能导致更高效和可靠的医疗报告方法。
该研究的研究人员与加州大学圣地亚哥分校健康创新中心（JCHI）合作，发现LLMs可以在复杂的质量测量中进行准确的抽象，特别是在医疗保险和医疗补助服务中心（CMS）SEP-1严重脓毒症和脓毒性休克测量的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实时化过程来转变医疗保健服务的提供，这可以增强个性化护理并改善患者获取高质量数据的途径。随着我们推进这项研究，我们设想一个未来，质量报告不仅高效，还能改善整体患者体验。”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表示。
传统上，SEP-1的抽象过程涉及对大量患者病历进行详细的63步评估，需要多个评审员花费数周的时间。该研究发现，LLMs可以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，研究人员相信这些发现为更高效和响应更快的医疗保健系统铺平了道路。
“我们将继续努力利用技术来减轻医疗保健的行政负担，并因此使我们的质量改进专家有更多时间支持我们的医疗团队提供的卓越护理。”UC San Diego Health的首席质量和患者安全官Chad VanDenBerg说。
该研究的其他关键发现包括：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管理成本；实现近乎实时的质量评估；并且可以在各种医疗环境中扩展应用。
未来的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。该研究的合著者还包括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。
该研究部分由国家过敏和传染病研究所（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)
