利用集中式医疗系统数据管理和基于大型语言模型的数据预处理来识别放射治疗中断的预测因素
Fekede Asefa Kumsa1, Christopher L Brett2, Soheil Hashtarkhani1
1Center for Biomedical Informatics, Department of Pediatrics, College of Medicine, University of Tennessee Health Science Center, Memphis, TN.
JCO clinical cancer informatics
|October 28, 2025
概括
识别放射治疗中断 (RTI) 对癌症护理质量至关重要. 癌症类型,医疗补助覆盖范围和社会脆弱性等因素预测RTI,使得有针对性的干预措施成为可能.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 公共卫生 公共卫生
背景情况:
- 无计划的辐射治疗中断 (RTI) 损害了癌症治疗的质量.
- 识别RTI的风险因素对于改善患者的治疗结果至关重要.
研究的目的:
- 评估使用集中式电子健康记录仓库和大型语言模型 (LLM) 进行数据预处理.
- 为了促进与放射治疗中断 (RTI) 相关的风险因素的识别.
主要方法:
- 对2,130名放射治疗患者的人口,行为,临床和社区数据的分析.
- 治疗中断的测量是错过的日期,经过周末/假日调整.
- 多项逻辑回归用于识别与中度 (2-4天) 和严重 (≥5天) RTI相关的因素.
主要成果:
- 中度RTI (15.8%) 与生殖尿道/前列腺癌和医疗补助覆盖相关.
- 严重的RTI (7.7%) 与婚姻状况,头部/部/妇科癌症,医疗补助,辐射剂量和社区社会脆弱性有关.
- 基于LLM的预处理能够有效识别这些协会.
结论:
- 自动化数据预处理有效地确定了与RTI相关的关键因素.
- 婚姻状况,疾病地点,医疗补助覆盖范围和社会脆弱性是RTI的重要预测因素.
- 需要数据驱动的风险评估和干预策略来保持癌症治疗质量.
