1720779585
2024-07-11 17:33:22
「医療は単に気持ちの良い話だけで成り立っているわけではない」と、ヘルスケアエグゼクティブアドバイザーのクリスティン・ツィエン・シルバーズ博士は言う。 アマゾンウェブサービス「私と同僚が救えなかった患者を治療し、人々が間違いを犯すのを見てきました。」
で AWSサミット 6月にワシントンDCで、彼女は、ケアチームの誰も薬の処方が間違っていることに気づかなかったために、間違った量の薬を投与された小児患者の経験を語った。医療ミスで毎年何人の患者が亡くなっているのか正確には不明だが、推定では 数十万人。
「より安全にする必要がある悪いシステムの中で、良い人たちが働いている」とシルバーズ氏は言う。「米国は最も多くの支出をしているにもかかわらず、パフォーマンスは最悪だ。私たちに何ができるだろうか？」
その間 米国の医師の燃え尽き症候群は50%未満に減少 2020年以降初めて、これは医療業界にとって依然として課題であり、最悪の場合には医療に影響を与える可能性がある。シルバーズ氏は次のように指摘した。 生成型人工知能 ツールは、紹介状を自動生成し、研究を要約し、 周囲の音を聞きながら臨床ノートを作成する患者さんに薬の説明をしたり、入院患者さんの様子を確認したりします。
臨床および業務の効率化から医療研究や患者の体験まで、生成AIは医療の多くの側面で役立ちます。実際の使用例の1つでは、 ハーバード大学医学部 動脈血ガス検査の結果を迅速に解釈するために生成 AI を活用しています。
準備する： 専門家の指導により、医療機関は AI を活用して有意義な変革を実現できます。
生成AIが動脈血ガス検査の結果を解釈
クリーブランドクリニックによると、 ABG検査は酸素と二酸化炭素のレベルを測定します 血液中の pH バランスに加えて、血液中の pH 値も調べます。動脈から血液サンプルを採取し、急性呼吸窮迫症候群、敗血症、血液量減少性ショック、喘息発作、心停止、呼吸不全、心不全などの状態を評価するために使用できます。このテストは緊急時に行われることが多く、結果を正しく解釈することが非常に重要です。
プラヴィーン・N・メカ医師は、 ダナファーバーがん研究所 ハーバード大学医学部の講師である同氏は、同大学が ABG 検査結果のデータベースに生成 AI を適用して解釈のスピードを向上させた方法について講演しました。
彼と彼のチームは、まず、さまざまな医療シナリオをカバーする50の結果からなるABGデータベースを作成しました。彼らはAnthropic Claude v2を使用しました。 大規模言語モデル 経由 アマゾン岩盤 結果を解釈するために、最初のパスではモデルの精度は50％未満でした。その後、彼らは迅速なエンジニアリングを実施し、二酸化炭素の分圧の範囲をどのように解釈すべきかをさらに明確にしました。次に、彼らは 検索拡張生成アーキテクチャこれによって、幻覚を軽減するための汎用 LLM にさらなるコンテキストがもたらされました。精度は 75% まで上がりましたが、Meka 氏は、それでも臨床現場で求められる水準には程遠いと述べています。
チームは、数学的計算を伴うモデルの制限を解決する必要がありました。そこで、モデルが ABG テストを解釈できるように数学スクラッチパッドを作成しました。ユーザーは LLM にテキスト データを入力し、Python が読みやすい形式にします。スクラッチパッドでデータが準備されると、Python コードが計算を実行し、LLM の新しいプロンプトが作成され、より信頼性の高い回答が生成されます。チームはこの 2 段階のプロセスで最大 98% の精度を達成しました。
Meka 氏は、LLM が臨床医にとって混乱を招くブラック ボックスのように見えないようにするための視覚化ツールの重要性を強調しました。
臨床意思決定サポートは新しいものではありませんが、生成 AI ツールは臨床効率をより良くサポートできます。
「ヘルスケアにおける生成AIは今後も続く「この分野には多くの関心が寄せられており、生成型AIが役立つ可能性がある」とメカ氏は語った。
#ジェネレーティブ #が臨床医の #ABG #検査結果の解釈にどのように役立つか