DeLLiriuM: Un gran modelo de lenguaje para la predicción del delirio en la UCI utilizando EHR estructurado

Área de la Ciencia:

• La inteligencia artificial en la medicina
• Medicina de cuidados intensivos
• Informática clínica

Sus antecedentes:

• El delirio afecta hasta el 31% de los pacientes de la unidad de cuidados intensivos (UCI), caracterizado por una atención fluctuante y deterioro cognitivo.
• La detección temprana del delirio es crucial para las intervenciones oportunas y la mejora de los resultados del paciente.
• Los modelos de inteligencia artificial (IA) existentes para la predicción del delirio en la UCI a menudo usan conjuntos de datos limitados o técnicas de IA más antiguas.

Objetivo del estudio:

• Introducir DeLLiriuM, un nuevo modelo de predicción del delirio basado en el modelo de lenguaje grande (LLM) para la UCI.
• Utilizar los datos estructurados de los registros electrónicos de salud (EHR, por sus siglas en inglés) de las primeras 24 horas de ingreso a la UCI para la predicción del riesgo de delirio.
• Desarrollar y validar un modelo capaz de captar el contexto clínico a partir de los datos estructurados de la HME.

Principales métodos:

• Desarrolló DeLLiriuM, un modelo basado en LLM, mediante la transformación de los datos estructurados de los DSE en un formato de texto no estructurado.
• Entrenado y validado el modelo en un gran conjunto de datos de varios centros que incluye 104,303 admisiones de UCI de tres bases de datos (eICU, MIMIC-IV, UF-IDR).
• Evaluación del rendimiento del modelo utilizando el área debajo de la curva de características de funcionamiento del receptor (AUROC) en un conjunto de validación externo.

Principales resultados:

• DeLLiriuM demostró un rendimiento superior en comparación con los modelos de referencia en el conjunto de validación externa.
• El modelo logró un AUROC de 82,5 (IC del 95% 81,8-83,1) en 77.543 pacientes de 194 hospitales.
• El enfoque LLM capturó efectivamente la información contextual clínica de los datos de EHR transformados, mejorando la precisión predictiva.

Conclusiones:

• DeLLiriuM representa la primera herramienta de predicción de delirio basada en LLM para la UCI que utiliza datos estructurados de EHR.
• La capacidad del modelo para procesar datos de EHR transformados ofrece una mejor predicción del riesgo de delirio.
• Este enfoque tiene potencial para mejorar la detección temprana y el manejo del delirio en entornos de cuidados intensivos.