Neuer „KI-Arzt“ sagt Wiederaufnahme ins Krankenhaus und andere gesundheitliche Folgen voraus

Dec 16, 2023

Forschung, Patientenversorgung, Pressemitteilungen

7. Juni 2023

Foto: SDI Productions/Getty

A Ein Computerprogramm mit künstlicher Intelligenz (KI) kann die Aufzeichnungen von Ärzten lesen, um das Sterberisiko des Patienten, die Dauer des Krankenhausaufenthalts und andere für die Pflege wichtige Faktoren genau einzuschätzen. Das von einem Team unter der Leitung von Forschern der NYU Grossman School of Medicine entwickelte Tool wird derzeit in Langone Health-Krankenhäusern der NYU eingesetzt, um die Wahrscheinlichkeit vorherzusagen, dass ein entlassener Patient innerhalb eines Monats wieder aufgenommen wird.

Experten erforschen seit langem Computeralgorithmen, die die Gesundheitsversorgung verbessern sollen, und einige haben gezeigt, dass sie wertvolle klinische Vorhersagen treffen. Allerdings werden nur wenige verwendet, da Computer Informationen am besten verarbeiten, die in übersichtlichen Tabellen angeordnet sind, während Ärzte normalerweise in einer kreativen, individuellen Sprache schreiben, die die Denkweise der Menschen widerspiegelt.

Laut Forschern stellte die umständliche Datenreorganisation ein Hindernis dar, aber eine neue Art von KI, Large Language Models (LLMs), kann aus Text „lernen“, ohne speziell formatierte Daten zu benötigen.

In einer Studie, die am 7. Juni online in der Fachzeitschrift Nature veröffentlicht wurde, entwarf das Forschungsteam ein LLM namens NYUTron, das mithilfe von unverändertem Text aus elektronischen Gesundheitsakten trainiert werden kann, um nützliche Beurteilungen über den Gesundheitszustand des Patienten vorzunehmen. Die Ergebnisse zeigten, dass das Programm 80 Prozent der wiedereingelieferten Personen vorhersagen konnte, was einer Verbesserung von etwa 5 Prozent gegenüber einem Standard-Computermodell ohne LLM entspricht, das eine Neuformatierung medizinischer Daten erforderte.

„Unsere Ergebnisse unterstreichen das Potenzial der Verwendung großer Sprachmodelle, um Ärzte bei der Patientenversorgung anzuleiten“, sagte Studienleiterin Lavender Jiang, BSc, Doktorandin am NYU Center for Data Science. „Programme wie NYUTron können Gesundheitsdienstleister in Echtzeit auf Faktoren aufmerksam machen, die zu einer Wiederaufnahme und anderen Bedenken führen könnten, sodass sie schnell angegangen oder sogar abgewendet werden können.“

Jiang fügt hinzu, dass die Technologie durch die Automatisierung grundlegender Aufgaben den Arbeitsablauf beschleunigen und es Ärzten ermöglichen könnte, mehr Zeit mit dem Gespräch mit ihren Patienten zu verbringen.

LLMs verwenden spezielle Computeralgorithmen, um das beste Wort zum Ausfüllen eines Satzes vorherzusagen, basierend darauf, wie wahrscheinlich es ist, dass echte Menschen einen bestimmten Begriff in diesem Kontext verwenden würden. Je mehr Daten verwendet werden, um dem Computer beizubringen, solche Wortmuster zu erkennen, desto genauer werden seine Vermutungen mit der Zeit, fügt Jiang hinzu.

Für ihre Studie trainierten die Forscher NYUTron anhand von Millionen klinischer Notizen, die aus den elektronischen Gesundheitsakten von 336.000 Männern und Frauen gesammelt wurden, die zwischen Januar 2011 und Mai 2020 im NYU Langone-Krankenhaussystem behandelt wurden. Die daraus resultierende Sprachwolke mit 4,1 Milliarden Wörtern „ umfasste alle von einem Arzt verfassten Aufzeichnungen, wie etwa radiologische Berichte, Patientenfortschrittsnotizen und Entlassungsanweisungen. Bemerkenswert ist, dass die Sprache unter Ärzten nicht standardisiert war und das Programm sogar Abkürzungen interpretieren konnte, die nur für einen bestimmten Autor galten.

Illustration mit freundlicher Genehmigung von Nature

Den Ergebnissen zufolge identifizierte NYUTron 85 Prozent der im Krankenhaus Verstorbenen (eine Verbesserung um 7 Prozent gegenüber den Standardmethoden) und schätzte die tatsächliche Aufenthaltsdauer der Patienten auf 79 Prozent (eine Verbesserung um 12 Prozent gegenüber dem Standardmodell). Das Tool bewertete außerdem erfolgreich die Wahrscheinlichkeit zusätzlicher Begleiterkrankungen einer Grunderkrankung (Komorbiditätsindex) sowie die Wahrscheinlichkeit einer Versicherungsverweigerung.

„Diese Ergebnisse zeigen, dass große Sprachmodelle die Entwicklung von ‚intelligenten Krankenhäusern‘ nicht nur zu einer Möglichkeit, sondern zur Realität machen“, sagte der leitende Autor der Studie und Neurochirurg Eric K. Oermann, MD. „Da NYUTron Informationen direkt aus der elektronischen Gesundheitsakte liest, können seine Vorhersagemodelle einfach erstellt und schnell im Gesundheitssystem implementiert werden.“

Dr. Oermann, Assistenzprofessor in den Abteilungen für Neurochirurgie und Radiologie an der NYU Langone, fügt hinzu, dass zukünftige Studien unter anderem die Fähigkeit des Modells untersuchen könnten, Abrechnungscodes zu extrahieren, das Infektionsrisiko vorherzusagen und die richtigen zu bestellenden Medikamente zu identifizieren.

Er weist darauf hin, dass NYUTron ein Unterstützungsinstrument für Gesundheitsdienstleister ist und nicht als Ersatz für die auf einzelne Patienten zugeschnittene Beurteilung des Anbieters gedacht ist.

Die Finanzierung der Studie erfolgte durch die Zuschüsse P30CA016087 und R01CA226527 der National Institutes of Health. Weitere Mittel wurden durch den WM Keck Foundation Medical Research Grant bereitgestellt.

Dr. Oermann ist Berater für Sofinnova Partners, eine Risikokapitalgesellschaft, die sich auf die Entwicklung von Biotechnologien, Nachhaltigkeit und Pharmazeutika spezialisiert hat. Er ist außerdem an Artisight Inc. beteiligt, einem Unternehmen, das Software für den Betrieb von Gesundheitsorganisationen herstellt, und seine Ehefrau ist bei Mirati Therapeutics beschäftigt, einem Unternehmen, das Krebstherapien entwickelt. Die Bedingungen dieser Vereinbarungen werden in Übereinstimmung mit den Richtlinien und Praktiken von NYU Langone Health verwaltet.

Neben Jiang und Dr. Oermann waren Xujin Chris Liu, BS, weitere an der Studie beteiligte Forscher der NYU und NYU Langone; Mustafa Nasir-Moin, BA; Duo Wang, PhD; Kevin P. Eaton, MD; Howard A. Riina, MD; Ilya Laufer, MD; Paawan V. Punjabi, MD; Madeline Miceli, MD; Nora Kim, MD; Cordelia Orillac, MD; Zane Schnurman, MD; Christopher Livia, MD, PhD; Hannah Weiss, MD; David Kurland, MD, PhD; Sean Neifert, MD; Yosef Dastagirzada, MD; Douglas Kondziolka, MD; Alexander Cheung, MA; Grace Yang; Ming Cao; Yindalon Aphinyanaphongs, MD, PhD; und Kygunghyun Cho, PhD. Zu den weiteren Studienautoren gehörten Nima Pour Nejatian, PhD, MBA; Anas Abidin, PhD; Mona Flores, MD; und Anthony Costa, PhD, bei NVIDIA in Santa Clara, Kalifornien, dessen Computerhardware zum Bau von NYUTron verwendet wurde.

Shira PolanTelefon: [email protected]

Forschung, Innovation, Translationale Medizin

Der Einsatz von KI auf einer riesigen Datenbank mit Hirntumorbildern hilft Ärzten, das Ansprechen auf die Behandlung zu beurteilen.

NYU Langone Health News, Frühjahr 2023

Forschung, Innovation

Zwei Neurowissenschaftler schließen sich zusammen, um das Gehirn zu erforschen und die Tiefen seiner Geheimnisse auszuloten.

30. März 2023