一个大型语言模型用于在重症监护室预测错觉,使用结构化电子健康记录
Miguel Contreras1,2, Sumit Kapoor3, Jiaqing Zhang4,2
1Department of Biomedical Engineering, University of Florida, Gainesville, FL, USA.
Scientific reports
|November 6, 2025
概括
一个新的AI模型,DeLLiriuM,使用电子健康记录预测重症监护室 (ICU) 痴呆症. 这种新的方法通过利用大型数据集和先进的语言模型来改善早期检测和患者的结果.
科学领域:
- 人工智能在医学中的应用
- 临床信息学 临床信息学
- 关键护理医学 关键护理医学
背景情况:
- Delirium 影响高达 31% 的重症监护室 (ICU) 患者,其特点是注意力波动和认知障碍.
- 早期发现妄想对于及时干预和改善患者结果至关重要.
- 现有的人工智能 (AI) 模型用于ICU Delirium预测,通常使用有限的数据集或不那么先进的方法.
研究的目的:
- 介绍DeLLiriuM,一个新的基于大型语言模型 (LLM) 的痴呆症预测模型,用于ICU.
- 为了风险预测,利用重症监护室入院前24小时的结构化电子健康记录 (EHR) 数据.
- 开发和验证一种能够从结构化EHR数据中捕获临床背景的模型.
主要方法:
- 开发并验证了DeLLiriuM模型,使用了来自195家医院的104,303例ICU入院的大型数据集.
- 将结构化EHR数据转换为非结构化文本格式,这是LLMs的主要数据模式.
- 使用接收器操作特征曲线 (AUROC) 下面的面积和精度回忆曲线 (AUPRC) 下面的面积来评估模型性能.
主要成果:
- 与外部验证集的基线模型相比,DeLLiriuM显示出更高的性能.
- 该模型在194家医院的77,543名患者中实现了82.4%的AUROC和11.8%的AUPRC.
- 基于LLM的方法有效地从结构化EHR数据中捕获临床上下文信息.
结论:
- DeLLiriuM是第一个基于LLM的狂妄预测工具,用于ICU,使用结构化EHR数据.
- 该模型处理结构化EHR数据作为文本的能力提高了预测性能.
- 这种方法为改善ICU早期痴呆症检测和管理提供了一个有希望的途径.
