AI неперевершено без виявлених ризиків впливу пташиного грипу в відділеннях надзвичайних ситуацій у штаті Меріленд
Дослідники з Медичної школи університету Меріленда розробили новий та високоефективне застосування інструменту штучного інтелекту (AI) для швидкого сканування в електронних медичних записах та виявлення пацієнтів з високим ризиком, які, можливо, були заражені H5N1 Avian Influenza або «Flut Flut», згідно з новими висновками, опублікованими в журналі Клінічні інфекційні захворювання.
Використовуючи генеративну модель великої мови (LLM), дослідницька група проаналізувала 13 494 відвідувань у відділеннях лікарні Мерілендської медичної системи Меріленда (UMMS) у дорослих пацієнтів у міських, приміських та сільських районах у 2024 році. Усі пацієнти мали гострої дихальної хвороби (наприклад, кашель, лихоманка, конструкції) або кон'юнктитит. Мета полягала в тому, щоб оцінити, наскільки добре генеративний ШІ може знайти пацієнтів з високим ризиком, яких, можливо, не помічали на момент початкового лікування.
Скануючи всі примітки у відділенні невідкладної допомоги, модель позначила 76, оскільки вони згадували про вплив на пташиний грип, наприклад, як м'ясник або на фермі з худобою, як курей або корів. Зазвичай ці експозиції згадувались випадково – наприклад, документування заняття пацієнта як м'ясника чи працівника фермерського господарства – і не через клінічну підозру для пташиного грипу.
Після короткого огляду дослідницьких працівників 14 пацієнтів було підтверджено, що нещодавно, відповідне впливом тварин, які, як відомо, несуть H5N1, включаючи птицю, дикі птахи та худобу. Ці пацієнти не були перевірені спеціально на H5N1, тому їх потенційні інфекції птахів-FLU не були підтверджені, але модель працювала над тим, щоб знайти ті “голки в комірі сіна” серед тисяч пацієнтів, які лікувались сезонними грипами та іншими рутинними дихальними захворюваннями.
“Це дослідження показує, як генеративний ШІ може заповнити критичний розрив у нашій інфраструктурі охорони здоров'я, виявивши пацієнтів з високим ризиком, які в іншому випадку залишилися б непоміченими”,-сказав відповідний автор дослідження Кетрін Е. Гудман, доктор наук, JDдоцент кафедри епідеміології та охорони здоров'я в UMSOM та викладач Інститут охорони здоров'я університету Меріленда (UM-IHC). “Коли H5N1 продовжує циркулювати на тваринах США, наша найбільша небезпека полягає в тому, що ми не знаємо, чого ми не знаємо. Тому що ми не відстежуємо, скільки симптоматичних пацієнтів мають потенційну експозицію пташиного грипу, і скільки цих пацієнтів перевіряються, інфекції можуть бути незначними. Це життєво важливо для систем охорони здоров'я для моніторингу потенційного впливу людини і діяти на цю інформацію.”
З початку 2024 року H5N1 заражав понад 1075 молочних стад у 17 штатах, і понад 175 мільйонів птиці та диких птахів перевіряли позитивні протягом цього періоду спалаху. Ідентифіковані випадки людини залишаються рідкісними, з 70 підтвердженими інфекціями та лише одним загиблим у США до середини 20125 Центри контролю та профілактики захворювань (CDC). Однак існує, ймовірно, багато інших інфекцій, які потрапили непоміченими через відсутність широкого тестування. Крім того, можуть виникнути нові штами, що сприяють поширенню повітря в людину, що призведе до людини, що призведе до прискорення у випадках та потенційної епідемії.
“Огляд AI вимагав лише 26 хвилин людського часу та вартістю всього 3 центів на ноту пацієнта, демонструючи високу масштабованість та ефективність »,-сказав співавтор дослідження Ентоні Харріс, доктор медичних наук, MPHпрофесор та виконуючий обов'язки голови епідеміології та охорони здоров'я в UMSOM. “Цей метод може створити національну мережу клінічних сайтів Sentinel для нового інфекційного спостереження за захворюваннями, щоб допомогти нам краще контролювати новоспечені епідемії”.
LLM (GPT-4 Turbo) продемонстрував сильну ефективність у виявленні згадок про вплив тварин, з 90% позитивною прогнозованою цінністю та негативною цінністю прогнозування на 98%, коли його оцінювали на вибірці 10 000 історичних відвідувань відділення надзвичайних ситуацій у 2022-2023 роках, перш ніж у живота в США циркулювали. Однак модель була консервативною при виявленні експозицій, спеціально важливих для пташиного грипу-іноді позначення пацієнтів з контактом з низьким рівнем ризику, наприклад, впливу собак-сприяючи потребі в огляді будь-яких випадків.
У міру зростання ризику інфекцій, які передаються тваринами, дослідники припускають, що великі мовні моделі також можуть використовуватися перспективно для попередження медичних працівників у режимі реального часу. Це може спонукати їх бути більш пильними щодо запитання про потенційне вплив заражених тварин, цілеспрямованого тестування та контролю інфекцій шляхом виділення пацієнтів. В даний час CDC покладається на звітність лабораторії для відстеження пташиного грипу, але не вистачає систем, щоб оцінити, чи клініцисти запитують чи документують відповідні експозиції у симптоматичних пацієнтів.
Дослідники сподіваються наступного перевірити велику мовну модель для потенційного спостереження та розгортання в рамках електронних записів здоров'я, для більшої ідентифікації пацієнтів з високим ризиком у реальному часі. Оскільки сезон дихальних вірусів восени відновлюється, швидкий та точний спосіб виявлення тих пацієнтів, які потребують спеціального тестування на пташиний грип, або запобіжну ізоляцію під час лікування, будуть особливо критичними.
“Ми перебуваємо на передньому плані руйнівної, але неймовірно перспективної революції навколо великих даних та штучного інтелекту”, – сказав УММОМ Дін Марк Т. Гладвін, доктор медичних наукякий також є віце -президентом з питань медичних питань, Університету Меріленда, Балтімора (UMB), і Джон З. та Акіко К. Боуерс визначені професором. “Інженер та лікар -дослідники, які працюють в Інституті охорони здоров'я, мають безпечний доступ до медичних записів від Два мільйони пацієнтів, яких ми обслуговуємо по всьому Меріленду, і, як це демонструє дослідження, можуть використовувати AI та великі дані для виявлення ранніх сигналів виникаючих інфекційних захворювань, таких як пташиний грип, щоб ми могли вжити заходів швидше перевірити на ці захворювання та утримати їх від поширення “.
Інші співавтори факультету UMSOM на папері включають Лоренс С. Магдер, доктор наукПрофесор епідеміології та охорони здоров'я в UMSOM, Джонатан Д. Багдаді, доктор наук, доктор медичних наукдоцент кафедри епідеміології та охорони здоров'я в UMSOM, який також перебуває на викладачах в UM-IHC та Даніель Дж. Морган, доктор медичних наук, МСпрофесор епідеміології та охорони здоров'я в UMSOM.
Дослідження не було б можливим без внеску Інституту охорони здоров'я УМ, який був створений два роки тому в Північній Бетесді, штат Меріленд, як співпраця між Університет Меріленда, коледж Парк, з Університет Меріленда, Балтімор, і Медична система університету Меріленда. Інститут зливається tВін обчислювальна експертиза, клінічна експертиза, біомедичні інновації, дані про здоров'я та академічні ресурси трьох установ.
“Як система академічної охорони здоров'я, ми несемо відповідальність за підготовку до вилікування завтрашнього дня, надаючи догляд за сьогоднішнім часом, і давно є національним лідером у галузі медичних досліджень та догляду за пацієнтами”, – сказав Mohan Move, MD, MBAУніверситет Мерілендської медичної системи та генеральний директор. “Ми також визнаємо, що цінність даних у нашій системі є репрезентативною для різноманітності громад, які ми маємо честь служити”.
Фінансування досліджень було надано Федеральним агентством досліджень та якості охорони здоров'я. Витрати обчислень та зберігання даних для аналізів LLM підтримували Інститут охорони здоров'я UM.