在临床记录中检测药物不良事件,使用大型语言模型
Elizaveta Kopacheva1, Alisa Lincke1, Olof Björneld1,2
1LnuC DISA, Department of Computer science and Media technology (CM), Faculty of Technology, Linnaeus University, Sweden.
需要自动化方法来检测临床笔记中的不良药物事件 (ADEs). 目前的研究微调了用于ADE检测的大型语言模型 (LLM),发现电子健康记录中的文档不够完善.
科学领域:
- 药监和患者安全 药监和患者安全
- 医疗信息学 医疗信息学
- 在医疗保健中的自然语言处理.
背景情况:
- 监测药物不良事件 (ADEs) 对患者安全和药物监测至关重要.
- 鉴定ADEs是具有挑战性的,因为它们经常被记录在电子健康记录 (EHR) 中的非结构化临床笔记中.
- 对ADE检测的临床笔记的手动审查是低效和耗时的,需要自动化解决方案.
研究的目的:
- 微调和评估一个大型语言模型 (LLM) 用于在临床笔记中自动检测ADEs.
- 评估使用LLM从非结构化EHR数据中提取ADE相关信息的可行性.
- 突出ADE报告实践中的挑战和潜在改进.
主要方法:
- 微调一个大型语言模型 (LLM),专门用于ADE检测任务.
- 在临床笔记数据集上评估LLM的表现.
- 在核准说明中对ADE文件的描述性分析.
主要成果:
- 初步结果表明,ADE在放电说明中很少和很少记录.
- 在分析的笔记中,只有不到15%的已记录的ADEs明确与特定药物有关.
- 这凸显了电子健康记录中当前的ADE报告中存在的重大差距.
结论:
- 自动化方法,如微调的LLM,在改善临床文档中的ADE检测方面表现有前途.
- 目前在EHR中的ADE报告实践需要显著改进,以确保准确和全面的药物监督.
- 需要进一步的研究来提高ADE识别和报告的准确性和完整性.
更多相关视频
05:47Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems
Published on: June 13, 2025
14:34A Bilingual Computational Workflow for Identifying Potential PLK1 Inhibitors in American Sign Language and English
Published on: April 3, 2026
相关概念视频
Pharmacovigilance
This process, termed pharmacovigilance, aims to detect, evaluate, and minimize harmful effects related to medication use. The data collection for pharmacovigilance depends on spontaneous reporting systems, where healthcare professionals or patients voluntarily report suspected ADRs.
In some cases, there...
Pharmacokinetic Models: Overview
There are three primary types of models: empirical, compartment, and physiological. Empirical models, with minimal assumptions,...
Analysis of Population Pharmacokinetic Data
Mechanistic Models: Compartment Models in Individual and Population Analysis
Impact of Pharmacokinetic–Pharmacodynamic Models: Regulatory Decisions
Pharmaceutical Poisoning: Potential Scenarios
