脊柱外科手术中的人工智能计费:对大型语言模型的分析
Bashar Zaidat1, Yash S Lahoti1, Alexander Yu1
1Department of Orthopaedic Surgery, Icahn School of Medicine at Mount Sinai, New York, NY, USA.
Global spine journal
|December 26, 2023
概括
像ChatGPT-4这样的大型语言模型可以从手术笔记中自动化Current Procedural Terminology (CPT) 代码预测,提高医疗保健中的计费效率和准确性.
科学领域:
- 医疗信息学医学信息学
- 医疗保健中的人工智能
背景情况:
- 准确的医疗编码对于医疗保健收入周期至关重要.
- 手动编码过程可能耗时且容易出现错误.
- 大型语言模型 (LLM) 提供了在医学中自动化复杂任务的潜力.
研究的目的:
- 评估ChatGPT-4在从外科手术笔记中预测当前程序术语 (CPT) 代码方面的有效性.
- 探索快速工程策略,以优化医学编码中的LLM性能.
- 评估AI在提高医疗保健计费效率和准确性方面的潜力.
主要方法:
- 使用了回顾性队列研究设计.
- 在50个手术操作笔记上使用三个不同的提示工程技术测试了ChatGPT-4.
- 模型性能使用接收器操作特征曲线 (AUROC) 下的区域和精度回调曲线 (AUPRC) 下的区域进行了评估.
主要成果:
- 将ChatGPT-4与一个全面的CPT代码列表进行原始化,产生了最高的性能,AUROC为0.87和AUPRC为0.67.
- 当专注于最常见的 CPT 代码时,该模型获得了 0.81 的 AUROC 和 0.76 的 AUPRC.
- 该研究表明,基于即时策略和代码复杂性,性能不同.
结论:
- 聊天GPT-4显示了从骨科手术笔记中自动生成CPT代码的希望.
- 人工智能驱动的编码可能会降低医疗保健支出,提高计费精度.
- 在LLM微调方面的进一步进展可能会提高它们在临床实践中的实用性.
