通过生成人工智能医疗记录分析来预测狼分类标准
Sandeep Nair1, Gerald H Lushington1, Mohan Purushothaman1
1Progentec Diagnostics, Inc., 755 Research Pkwy, Oklahoma City, OK 73104, USA.
Biotech (Basel (Switzerland))
|April 14, 2025
概括
生成型人工智能 (genAI) 在通过分析患者记录来对系统性红斑狼 (SLE) 进行分类方面表现有前途. 虽然一些标准完全匹配,但整体预测成功率达到72%,有助于临床评估.
科学领域:
- 类风湿病学 类风湿病学
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 系统性红斑狼 (SLE) 由于患者的症状和严重程度异质,因此存在诊断挑战.
- 生成型人工智能 (genAI) 和大型语言模型 (LLM) 为复杂的医疗记录分析提供了潜在的解决方案.
- 自动化患者分析可以帮助评估SLE分类的关键医疗标准.
研究的目的:
- 评估 genAI 在对系统性红斑狼 (SLE) 分类的患者病历分析中的有效性.
- 根据ACR 1997年指导方针,评估genAI确定SLE分类标准的准确性.
- 确定genAI在分类SLE患者中的总体预测成功率.
主要方法:
- 利用生成性人工智能 (genAI) 与大型语言模型 (LLM) 来处理患者的医疗记录.
- 根据美国风湿病学学院 (ACR) 1997年SLE分类标准开发了LLM提示.
- 在五个genAI复制运行中,来自78名患者的计算分析记录.
主要成果:
- 根据GenAI的标准,它完全符合临床分类的"状发疹"和"肺炎或心周炎"标准.
- "免疫性疾病"标准的准确率为56%,表明一些因素的统计不可靠性.
- 与临床分类相比,genAI方法显示了72%的整体预测成功率.
结论:
- 基于GenAI的患者概况显示出作为帮助临床医生评估SLE患者的工具的潜力.
- 基因AI标准评估的准确性与临床确定性的复杂性相反相关.
- 临床分类效率的进步可能会推动人工智能驱动的SLE患者分析工具的改进.
