自动化患者安全工作流程:开发和实施LLaMPS,一个安全的大型语言模型应用程序

科学领域:

• 医疗保健信息学 医疗保健信息学
• 人工智能在医学中的应用
• 患者安全 患者安全

背景情况:

• 在医疗保健中采用生成人工智能 (GenAI) 面临着数据隐私和临床相关性等挑战.
• 现有的系统难以有效管理和报告患者安全事件.

研究的目的:

• 推出LLaMPS (患者安全大型语言模型),这是一个本地部署的GenAI平台.
• 通过先进的人工智能能力来增强患者安全事件管理和报告.

主要方法:

• LLaMPS采用检索增强生成 (RAG) 方法,使用安全的,机构托管的大型语言模型 (LLM).
• 矢量数据库确保数据隐私和监管合规性.
• 代开发涉及临床医生和患者安全专家.

主要成果:

• 在事件分类方面,LLaMPS表现出高准确度.
• 该平台显示,医疗保健专业人员的用户满意度有所提高.
• 该系统集成了自动分类,危害预测,智能搜索和聊天机器人.

结论:

• 像LLaMPS这样的本地控制的AI解决方案可以显著提高患者安全工作流程.
• LLaMPS解决了关于数据隐私和GenAI在医疗保健中的临床整合的关键问题.
• 该平台显示了在改善医疗保健安全方面更广泛采用的潜力.