構造化された心血管データの抽出のための大型言語モデル:スケーラブルな研究と臨床応用のための基盤

科学分野:

• 心臓病学 心臓病学
• 人工知能 (AI) とは,人工知能 (AI) のことです.
• 医療情報工学 医療情報工学

背景:

• 心臓病報告からの自動情報抽出は,臨床報告と研究において極めて重要です.
• 大型言語モデル (LLM) は,このプロセスを自動化する可能性を示していますが,異なるコンピューティング環境での臨床性能と実装には評価が必要です.

研究 の 目的:

• エコーカルジオグラムと侵襲性冠動脈血管検査のLLMベースの分類の実現可能性とパフォーマンスを評価する.
• ローカル,高性能コンピューティング,クラウドベースのプラットフォームにおける現実世界の臨床データに関するLLMパフォーマンスを評価する.

主な方法:

• 急性冠動脈症候群の患者の心臓病報告 (n=1000) は,主要な診断要素 (LVF,犯人血管,急性閉塞) についてラベル付けされました.
• LLMベースの分類モデルは,プロンプトベースのアプローチと微調整のアプローチを使用して開発されました.
• 性能は,クラス不均衡と実装コストを考慮して,モデルタイプとコンピューティングインフラストラクチャ全体で評価されました.

主要な成果:

• LLMは,心臓病報告から構造化された診断情報を抽出する上で高いパフォーマンスを示しました.
• クラウドベースのモデル (GPT-4oなど) は高精度 (0.87の犯罪船,1.0のLVF) を達成しました.
• 地元の高性能クラスターモデルも,特に単純なタスクに対して,妥当な精度 (0.634 for culprit vessel, 0.984 for LVF) を示した.

結論:

• LLMは,さまざまなコンピューティングインフラストラクチャで,構造化された心臓病レポートを信頼性のある方法で分類することができます.
• 彼らの正確性と適応性は,スケーラブルなレポート構造化とデータセット生成のための臨床ワークフローと研究パイプラインへの統合をサポートします.