ИИ определил, почему пациенты прекращают принимать лекарства
Ученые из Тартуского университета продемонстрировали, что современные большие языковые модели способны с высокой точностью анализировать электронные медицинские карты и определять причины, по которым пациенты прекращают прием противодиабетических препаратов. Такой подход позволяет извлекать ценную информацию из врачебных записей, которая раньше практически не использовалась в исследованиях.
Об этом пишет medicalxpress.
Как пояснил младший научный сотрудник по медицинской информатике Тартуского университета Хендрик Шувалов, данные о выписанных рецептах позволяют увидеть лишь тот факт, что пациент перестал приобретать лекарство. Однако настоящая причина прекращения терапии обычно содержится в текстовых заметках лечащего врача, анализ которых вручную требует огромных затрат времени.
Для исследования специалисты сначала отобрали пациентов, которые не приобретали назначенные препараты как минимум в течение года. Затем большие языковые модели проанализировали медицинские записи, чтобы выявить упоминания о прекращении лечения и установить, кто стал инициатором такого решения — сам пациент или врач.
Основной объем анализа выполнялся с помощью языковой модели Llama 3.1-70B, развернутой на защищенном локальном сервере университета. Модель GPT-4o применяли лишь для обработки небольшого объема предварительно обезличенных и вручную проверенных медицинских текстов.
Результаты оказались весьма впечатляющими. Используемая модель правильно распознавала сведения о прекращении приема лекарств в 93–98% случаев, а точность определения причин отказа от терапии достигала 95–96%.
По словам Шувалова, работа показала, что электронные медицинские записи содержат значительно больше полезной информации, чем традиционно используемые диагнозы, результаты лабораторных исследований и сведения о выписанных рецептах.
Исследователь отметил, что именно в свободных текстовых комментариях врачей зачастую фиксируются реальные обстоятельства лечения: жалобы пациентов, побочные эффекты препаратов, причины смены схемы терапии и другие важные детали, которые обычно остаются вне поля зрения стандартных методов анализа медицинских данных.
Анализ показал, что наиболее распространенной причиной прекращения лечения становились побочные реакции на препараты. Так, среди пациентов, принимавших статины, нежелательные эффекты составляли около 70% всех задокументированных причин отказа от терапии. Для противодиабетических препаратов этот показатель оказался ниже, но все равно достигал почти 45%.
Авторы исследования считают одним из главных достижений возможность преобразовывать неструктурированные врачебные записи в данные, пригодные для дальнейшего анализа. По их мнению, использование больших языковых моделей позволит глубже изучить реальные схемы лечения пациентов, повысить качество медицинских исследований и станет дополнительным инструментом при принятии решений в сфере здравоохранения, основанных на доказательной базе.
Ранее "Курсор" сообщал, что пользователей Chat GPT предупредили о новой мошеннической схеме.
