Desarrollo y validación de un pipeline basado en inteligencia artificial generativa para la extracción automatizada...

Área de la Ciencia:

• Informática Médica
• Inteligencia Artificial en la Atención Médica
• Gestión de Datos Clínicos

Sus antecedentes:

• La abstracción manual de datos clínicos no estructurados requiere mucha mano de obra y es propensa a variaciones en la calidad.
• La integración de modelos de lenguaje grandes (LLM) en los flujos de trabajo de investigación para la extracción de datos médicos presenta desafíos.

Objetivo del estudio:

• Desarrollar e integrar un sistema basado en LLM para la extracción automatizada de datos de informes de texto de registros de salud electrónicos (EHR).
• Incorporar el sistema en una base de datos de resultados clínicos establecida para la investigación.

Principales métodos:

• Se implementó un pipeline de inteligencia artificial generativa (UODBLLM) con una interfaz LLM flexible.
• Se utilizaron indicaciones estructuradas de lenguaje de marcado extensible (XML) y una interfaz de conectividad de base de datos abierta para la estructuración de datos.
• Se evaluó el rendimiento en función de la tasa de finalización, el tiempo de procesamiento y la precisión de la extracción utilizando informes de resonancia magnética (RM).

Principales resultados:

• UODBLLM procesó 1800 informes de RM con una tasa de finalización del 100% y un tiempo de procesamiento promedio de 8,90 segundos por informe.
• El costo de extracción fue mínimo con $0.009 por informe, con un rendimiento constante en múltiples lotes.
• Se extrajeron con éxito 16 elementos clínicos estructurados, incluidas mediciones cuantitativas y evaluaciones categóricas, y se almacenaron los datos en formato JSON.

Conclusiones:

• Se demostró la integración exitosa de un sistema basado en LLM para la extracción de datos clínicos rápida y rentable.
• UODBLLM ofrece una solución escalable y segura para automatizar la extracción de datos, mejorando la seguridad de la información de salud protegida.
• Este enfoque puede acelerar significativamente la investigación clínica y permitir proyectos de bases de datos a mayor escala.