基于人工智能的临床决策工具,用于急诊室的神经科医生
Alon Gorenshtein1,2,3, Shiri Fistel1, Moran Sorka3
1Department of Neurology, Rambam Health Care Campus, Haifa 3109601, Israel.
Journal of clinical medicine
|September 13, 2025
概括
这项研究表明,一个先进的人工智能 (AI) 模型,整合机器学习和一个大型语言模型,准确地预测急诊室的患者入院和死亡风险. 人工智能显示出与专家临床判断的强烈一致性,增强神经学决策支持.
科学领域:
- 人工智能在医学中的应用
- 临床决策支持系统 临床决策支持系统
- 神经学 神经学
背景情况:
- 紧急服务部门 (ED) 在及时进行神经学咨询和决策方面面临着挑战.
- 先进的机器学习 (ML) 和大型语言模型 (LLM) 提供了改善临床决策支持的潜力.
研究的目的:
- 评估整体AI框架,用于预测急诊室神经病患者的临床结果.
- 评估AI在预测住院和死亡率方面的准确性.
- 为了确定人工智能与高级神经病学家临床判断的对齐.
主要方法:
- 使用双子座1.5-pro-002 LLM,提示工程和检索增强生成 (RAG) 设计了一个整体AI框架.
- 结合极端梯度提升 (XGBoost) 和用于预测建模的逻辑回归.
- 追溯分析了1368例ED神经咨询病例,评估了临床特征和结果. 对100个案例的专家共识进行验证的AI预测.
主要成果:
- 人工智能模型实现了一般入学预测的曲线下的面积 (AUC) 为0.88,神经病科的入学率为0.86.
- 该模型在预测死亡风险方面表现出很高的准确性 (AUC为长期0.93,48小时为1.0).
- 人工智能预测与专家的共识有很强的相关性 (皮尔森相关性0.79,p < 0.001).
结论:
- 开发的Neuro AI模型准确地预测ED的医院入院和神经病科入院.
- 人工智能的强大性能和与专家判断的一致性表明它有助于加强神经病学家的临床决策.
- 这种人工智能框架显示了改善急性神经病治疗环境中的患者管理和结果的前景.
