将宿主转录基因生物标志物与大型语言模型集成,用于诊断下呼吸道感染

科学领域:

• 肺部医学 肺部医学
• 发现生物标志物的发现.
• 医疗保健中的人工智能

背景情况:

• 下呼吸道感染 (LRTI) 是全球主要的死亡原因.
• 在重症患者中诊断LRTIs是具有挑战性的,因为症状与非传染性呼吸衰竭重叠.

研究的目的:

• 开发和评估一种新型的诊断方法,用于LRTIs在严重病情的成年人.
• 将肺转录生物标记物与电子医疗记录的大型语言模型分析相结合.

主要方法:

• 开发了一种诊断方法,将FABP4基因表达生物标志物与电子病历 (EMR) 文本的GPT-4分析集成在一起.
• 在对急性呼吸衰竭严重病情的成年人潜在队列中评估了该方法.
• 将组合分类器的性能与单独的FABP4,单独的GPT-4和初级医疗团队的诊断进行了比较.

主要成果:

• 结合FABP4和GPT-4分类器实现了高准确度 (84%在导出,96%在验证队列).
• 综合方法显著优于单个组件和临床团队的诊断 (72%的准确性).
• 在导出和验证队列中,AUC值分别为0.93 (±0.08) 和0.98 (±0.04).

结论:

• 将宿主转录生物标志物与人工智能驱动的EMR分析相结合,有望改善LRTI诊断.
• 这种方法为在重症监护机构诊断关键呼吸道疾病提供了潜在的进步.