Исследователи из Стэнфордского университета медицины создали инструмент на основе искусственного интеллекта, который может читать тысячи записей врачей в электронных медицинских картах и ​​выявлять тенденции, предоставляя информацию, которая, как надеются врачи и исследователи, поможет улучшить качество медицинской помощи.

Обычно экспертам, ищущим ответы на вопросы об уходе, приходится изучать сотни медицинских карт. Но новое исследование показывает, что большие языковые модели — инструменты ИИ, которые могут находить закономерности в сложном письменном языке — могут взять на себя эту рутинную работу, и что их выводы могут иметь практическое применение. Например, инструменты ИИ могут отслеживать карты пациентов на предмет упоминаний об опасных взаимодействиях между препаратами или помогать врачам определять пациентов, которые будут хорошо или плохо реагировать на определенные виды лечения.

Инструмент на основе искусственного интеллекта, описанный в исследовании , опубликованном 19 декабря в журнале Pediatrics , был разработан для того, чтобы на основе медицинских записей выяснить, получали ли дети с синдромом дефицита внимания и гиперактивности надлежащую последующую помощь после назначения им новых лекарств.

«Эта модель позволяет нам выявить некоторые пробелы в лечении СДВГ», — сказал ведущий автор исследования Яир Баннетт, доктор медицины, доцент кафедры педиатрии.

Старшим автором исследования является доктор медицинских наук Хайди Фельдман, профессор кафедры педиатрии развития и поведения, стипендиат фонда Баллингера-Суинделлса.

Баннетт отметил, что исследовательская группа использовала результаты работы инструмента для определения тактик, которые могли бы улучшить последующее наблюдение врачей за пациентами с СДВГ и их семьями, добавив, что возможности таких инструментов ИИ можно применять во многих аспектах медицинской помощи.

Тяжело для человека, легко для ИИ

Электронные медицинские записи содержат информацию, такую ​​как результаты лабораторных анализов или измерения артериального давления в формате, который легко сравнивать с помощью компьютеров среди многих пациентов. Но все остальное — около 80% информации в любой медицинской карте — находится в заметках, которые врачи пишут о лечении пациента.

Хотя эти заметки удобны для следующего человека, который будет читать карту пациента, их предложения в свободной форме сложно анализировать в массе. Эта менее организованная информация должна быть категоризирована, прежде чем ее можно будет использовать для исследования, как правило, человеком, который читает заметки в поисках конкретных деталей. Новое исследование рассмотрело, могут ли исследователи вместо этого использовать искусственный интеллект для этой задачи.

В исследовании использовались медицинские записи 1201 ребенка в возрасте от 6 до 11 лет, которые были пациентами 11 педиатрических клиник первичной медицинской помощи в той же сети здравоохранения и имели рецепт как минимум на одно лекарство от СДВГ. Такие лекарства могут иметь разрушительные побочные эффекты , такие как подавление аппетита у ребенка, поэтому врачам важно спрашивать о побочных эффектах, когда пациенты впервые принимают эти лекарства, и при необходимости корректировать дозировку.

Команда обучила существующую большую языковую модель читать записи врачей, выясняя, спрашивали ли детей или их родителей о побочных эффектах в первые три месяца приема нового препарата. Модель была обучена на наборе из 501 записи, которые просмотрели исследователи. Исследователи считали любую запись, в которой упоминалось наличие или отсутствие побочных эффектов (например, «снижение аппетита» или «отсутствие потери веса»), как указание на то, что последующее наблюдение произошло, в то время как записи без упоминания побочных эффектов считались означающими, что последующее наблюдение не произошло.

Эти проверенные человеком заметки использовались в качестве того, что в ИИ называется «основной истиной» для модели: исследовательская группа использовала 411 заметок, чтобы научить модель, как выглядит запрос о побочных эффектах, и оставшиеся 90 заметок, чтобы проверить, может ли модель точно находить такие запросы. Затем они вручную просмотрели еще 363 заметки и снова протестировали производительность модели, обнаружив, что она правильно классифицировала около 90% заметок.

После того как большая языковая модель заработала хорошо, исследователи использовали ее для быстрой оценки всех 15 628 записей в картах пациентов. На выполнение этой задачи без ИИ ушло бы более семи месяцев полной занятости.

От анализа к лучшему уходу

Из анализа ИИ исследователи извлекли информацию, которую они бы не обнаружили иным способом. Например, ИИ увидел, что некоторые педиатрические практики часто спрашивали о побочных эффектах лекарств во время телефонных разговоров с родителями пациентов, в то время как другие практики этого не делали.

«Это то, чего вы никогда не смогли бы обнаружить, если бы не применили эту модель на 16 000 банкнот, как это сделали мы, потому что ни один человек не будет сидеть и делать это», — сказал Баннетт.

ИИ также обнаружил, что педиатры реже задавали уточняющие вопросы об определенных лекарствах. Детям с СДВГ могут быть назначены стимуляторы или, реже, нестимулирующие препараты, такие как некоторые виды противотревожных препаратов. Врачи реже спрашивали о последней категории лекарств.

По словам Баннетта, это открытие демонстрирует пределы возможностей ИИ. Он может обнаружить закономерность в записях пациентов, но не объяснить, почему она там есть.

«Нам действительно пришлось поговорить с педиатрами, чтобы понять это», — сказал он, отметив, что педиатры сказали ему, что у них больше опыта в борьбе с побочными эффектами стимуляторов.

Исследователи заявили, что инструмент ИИ мог пропустить некоторые запросы о побочных эффектах лекарств в своем анализе, поскольку некоторые разговоры о побочных эффектах могли не быть зафиксированы в электронных медицинских картах пациентов , а некоторые пациенты получали специализированную помощь, например, у психиатра, которая не была отслежена в медицинских картах, использованных в этом исследовании. Инструмент ИИ также неправильно классифицировал несколько врачебных заметок о побочных эффектах рецептов для других состояний, таких как лекарства от акне.

Руководство ИИ

По словам Баннетта, поскольку ученые создают больше инструментов ИИ для медицинских исследований, им необходимо учитывать, что инструменты делают хорошо, а что плохо. Некоторые задачи, такие как сортировка тысяч медицинских записей, идеально подходят для соответствующим образом обученного инструмента ИИ.

Другие, такие как понимание этических ловушек медицинского ландшафта, потребуют тщательного человеческого мышления, сказал он. Редакционная статья , которую Баннетт и коллеги недавно опубликовали в Hospital Pediatrics, объясняет некоторые потенциальные проблемы и то, как их можно решить.

«Эти модели ИИ обучаются на существующих данных в сфере здравоохранения, и из многочисленных исследований, проведенных за эти годы, мы знаем, что в сфере здравоохранения существуют различия», — сказал Баннетт.

По его словам, исследователям необходимо продумать, как смягчить подобные предубеждения как при создании инструментов ИИ, так и при их применении на практике. Он добавил, что при соблюдении необходимых мер предосторожности он с энтузиазмом относится к потенциалу ИИ в плане помощи врачам в более качественном выполнении своей работы.

«У каждого пациента свой опыт, а у врача — своя база знаний, но с помощью искусственного интеллекта я могу предоставить вам доступ к знаниям больших групп населения», — сказал он.

Например, ИИ в конечном итоге может помочь врачам предсказывать на основе возраста пациента, расы или этнической принадлежности, генетического профиля и комбинации диагнозов, есть ли у человека вероятность плохого побочного эффекта от конкретного препарата, сказал он. «Это может помочь врачам принимать персонализированные решения о медицинском ведении».