Modelos de linguagem em escala de sistema de saúde são motores de previsão multifuncionais

Os médicos tomam decisões críticas com restrição de tempo todos os dias. Modelos preditivos clínicos podem ajudar médicos e administradores a tomar decisões ao prever eventos clínicos e operacionais. Modelos preditivos clínicos existentes baseados em dados estruturados têm uso limitado na prática diária devido à complexidade no processamento dos dados, assim como no desenvolvimento e implantação do modelo1-3. Aqui mostramos que notas clínicas não estruturadas do prontuário eletrônico podem viabilizar o treinamento de modelos de linguagem clínica, que podem ser usados como motores preditivos clínicos multifuncionais com desenvolvimento e implantação de baixa resistência. Nossa abordagem aproveita avanços recentes em processamento de linguagem natural4,5 para treinar um grande modelo de linguagem para linguagem médica (NYUTron) e posteriormente ajustá-lo finamente em uma ampla gama de tarefas preditivas clínicas e operacionais. Avaliamos nossa abordagem no nosso sistema de saúde para cinco dessas tarefas: previsão de readmissão por todas as causas em 30 dias, previsão de mortalidade hospitalar, previsão do índice de comorbidades, previsão do tempo de permanência e previsão de negação de seguro. Demonstramos que o NYUTron tem uma área sob a curva (AUC) de 78,7-94,9%, com uma melhoria de 5,36-14,7% na AUC em comparação com modelos tradicionais. Adicionalmente, mostramos os benefícios do pré-treinamento com texto clínico, o potencial para aumentar a generalizabilidade a diferentes locais por meio de ajuste fino e a implantação completa do nosso sistema em um estudo prospectivo de braço único. Esses resultados mostram o potencial do uso de modelos de linguagem clínica na medicina para ler ao lado dos médicos e fornecer orientação no ponto de atendimento.