電子カルテからの臨床データ抽出を自動化する生成人工知能ベースパイプラインの開発と検証：技術実装研究

科学分野:

• 医療情報学
• ヘルスケアにおける人工知能
• 臨床データ管理

背景:

• 構造化されていない臨床データの П手動による抽象化は、労働集約的であり、品質のばらつきが生じやすいです。
• 医療データ抽出のための研究ワークフローへの大規模言語モデル（LLM）の統合は、課題をもたらします。

研究 の 目的:

• 電子カルテ（EHR）テキストレポートからの自動データ抽出のためのLLMベースシステムの開発と統合。
• 研究のために確立された臨床結果データベースにシステムを組み込むこと。

主な方法:

• 柔軟なLLMインターフェイスを備えた生成人工知能パイプライン（UODBLLM）を実装しました。
• データ構造化のために拡張可能なマークアップ言語（XML）構造化プロンプトとオープンデータベース接続インターフェイスを利用しました。
• 磁気共鳴画像法（MRI）レポートを使用して、完了率、処理時間、抽出精度に基づいてパフォーマンスを評価しました。

主要な成果:

• UODBLLMは1800件のMRIレポートを処理し、完了率は100％、レポートあたりの平均処理時間は8.90秒でした。
• 抽出コストはレポートあたり0.009ドルと最小限であり、複数のバッチで一貫したパフォーマンスを発揮しました。
• 定量的な測定値やカテゴリ評価を含む16個の構造化臨床要素を正常に抽出し、JSON形式でデータを保存しました。

結論:

• 迅速で費用効果の高い臨床データ抽出のためのLLMベースシステムの統合を実証しました。
• UODBLLMは、データ抽出を自動化するためのスケーラブルで安全なソリューションを提供し、保護された医療情報セキュリティを強化します。
• このアプローチは、臨床研究を大幅に加速し、より大規模なデータベースプロジェクトを可能にすることができます。