一种机器学习方法,用于自动审查RxNorm药物映射输出管道的输出管道
Matthias Hüser1, John Doole1, Vinicius Pinho1
1TriNetX LLC, 100 Cambridgepark Dr #501, 02140 Cambridge, MA, United States.
Journal of biomedical informatics
|September 13, 2025
概括
一个新的管道,RxEmbed,准确地将本地电子健康记录 (EHR) 药物数据映射到标准化的RxNorm代码. 这种基于LLM的方法大大减少了联合EHR网络中手动审查的需要.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 药物监督 药物监督 药物监督
背景情况:
- 标准化药物术语对于在联合电子健康记录 (EHR) 网络中分析数据至关重要.
- TriNetX运营着世界上最大的联合EHR网络,强调了有效数据协调的必要性.
研究的目的:
- 引入RxEmbed,这是一个用于将本地EHR药物描述映射到RxNorm成分代码的新管道.
- 利用大型语言模型 (LLM) 和机器学习进行自动映射和审查.
主要方法:
- 开发了RxEmbed,一个利用LLM的管道,将本地药物名称映射到RxNorm成分代码.
- 集成的机器学习用于对生成的映射进行自动审查.
- 在法国公共数据集和TriNetX网络中的6个美国/巴西医疗保健组织的数据上评估了绩效.
主要成果:
- 与现有的基于LLM的方法相比,RxEmbed在公共数据集上表现出更高的性能.
- 在TrinetX网络中,RxEmbed实现了高RxNorm映射回忆 (84%-93%) 非常精确 (99.5%-100%).
结论:
- 一个基于LLM的新管道,RxEmbed,有效地将EHR药物数据映射到RxNorm成分代码.
- RxEmbed的高精度使得在绘图过程中最小化了手动干预的要求.
- 这便于对联合的EHR数据进行大规模分析.
