Merilando universiteto medicinos mokyklos tyrėjai sukūrė naują ir labai efektyvų dirbtinio intelekto (AI) įrankio pritaikymą greitai nuskaityti pastabas elektroniniuose medicinos įrašuose ir nustatyti didelės rizikos pacientus, kurie galėjo būti užkrėsti H5N1 paukščių gripu arba „paukščių gripu“, remiantis naujomis žurnale paskelbtomis išvadomis, paskelbtomis žurnale. Klinikinės infekcinės ligos.
Naudodama generatyvų AI didelės kalbos modelį (LLM), tyrimų komanda išanalizavo 13 494 apsilankymus Merilendo universiteto medicinos sistemos (UMMS) ligoninės skubios pagalbos skyriuose iš suaugusių pacientų miesto, priemiesčio ir kaimo vietovėse 2024 m. Visi šie pacientai turėjo ūmią kvėpavimo takų ligą (pvz., Kontrekės, karščiavimą, karščiavimą) arba konjunktyvinį ryšį – sygis – su ankstyvomis H5N1N111 užkrėtimais. Tikslas buvo įvertinti, kaip gerai generatyvinė PG gali rasti didelės rizikos pacientus, kuriems pradinio gydymo metu galėjo būti nepastebimi.
Nuskaitydami visus skubios pagalbos skyriaus užrašus, modelis pažymėjo 76, nes jie paminėjo didelės rizikos paukščių gripo poveikį, pavyzdžiui, dirbant kaip mėsininkas ar ūkyje su gyvuliais, pavyzdžiui, vištomis ar karvėmis. Paprastai šios ekspozicijos buvo paminėtos atsitiktinai, pavyzdžiui, dokumentuojant paciento okupaciją kaip mėsininką ar ūkio darbuotoją, ir ne dėl klinikinio įtarimo dėl paukščių gripo.
Po trumpos tyrimų personalo apžvalgos buvo patvirtinta, kad 14 pacientų turėjo neseniai, svarbų poveikį gyvūnams, turintiems H5N1, įskaitant paukštieną, laukinius paukščius ir gyvulius. Šie pacientai nebuvo tiriami specialiai H5N1, todėl jų potencialios paukščių-FLU infekcijos nebuvo patvirtintos, tačiau modelis padėjo surasti tuos „adatą šienapjono“ atvejais tarp tūkstančių pacientų, gydytų dėl sezoninių gripo ir kitų įprastų kvėpavimo takų ligų.
„Šis tyrimas parodo, kaip generatyvinė AI gali užpildyti kritinį mūsų visuomenės sveikatos infrastruktūros spragą, nustatant didelės rizikos pacientus, kurie priešingu atveju neliks nepastebėta“,-sakė tyrimas, atitinkanti autorė Katherine E. Goodman, Ph.D. Ph.D., JD, Meriletės universiteto Meriledlando universiteto Epidemiologijos ir visuomenės sveikatos docentė (UMIHC).
„Kadangi H5N1 ir toliau cirkuliuoja JAV gyvūnams, didžiausias mūsų pavojus visoje šalyje yra tas, kad mes nežinome, ko nežinome. Nes nestebime, kiek simptominių pacientų turi potencialią paukščių gripo ekspoziciją, ir kiek iš tų pacientų yra tiriami, infekcijos gali būti nenustatytos. Tai yra gyvybiškai svarbi sveikatos priežiūros sistemoms stebėti galimą žmonių poveikį ir greitai veikti.”
Nuo 2024 m. Pradžios H5N1 užkrėtė daugiau nei 1 075 pieno bandas per 17 valstijų, o per šį protrūkio laikotarpį daugiau nei 175 milijonai naminių paukščių ir laukinių paukščių išbandė teigiamus. Remiantis Ligų kontrolės ir prevencijos centruose (CDC), nustatyti žmonės išlieka reti: 70 patvirtintų infekcijų ir tik vienas mirtingumas JAV iki 2025 m. Vidurio. Tačiau tikėtina, kad daug daugiau infekcijų, kurios nepastebėtos dėl plačiai paplitusių tyrimų. Be to, gali atsirasti naujų padermių, leidžiančių plisti iš žmogaus ir žmogaus, o tai leistų pakilti atvejais ir potencialia epidemija.
„AI apžvalgai prireikė tik 26 minučių žmogaus laiko ir kainavo tik tris centus vienam paciento pastaba, parodant didelį mastelio keitimą ir efektyvumą“,-sakė tyrimo bendraautorius Anthony Harris, MD, MPH, MPH, profesorius ir laikinasis epidemiologijos ir visuomenės sveikatos pirmininkas UMSOM. „Šis metodas gali sukurti nacionalinį klinikinių kontrolinių vietų tinklą, skirtą kylančiai infekcinių ligų stebėjimui, kad padėtų mums geriau stebėti naujai atsirandančias epidemijas.”
LLM (GPT-4 turbo) parodė stiprų rezultatą nustatant gyvūnų poveikio paminėjimus, turinčius 90% teigiamą numatomą vertę ir 98% neigiamą numatomą vertę, kai jis buvo įvertintas 10 000 istorinių skubios pagalbos skyrių vizitų imtyje nuo 2022–2023 m. Tačiau modelis buvo konservatyvus nustatant ekspozicijas, susijusias su paukščių gripu-kartais vėliavos pacientams, turintiems mažos rizikos gyvūnų kontaktą, pavyzdžiui, šunų poveikį, ir tai, kad reikia peržiūrėti bet kokius vėliavos atvejų peržiūrą.
Augant gyvūnų perduotų infekcijų rizikai, tyrėjai teigia, kad didelių kalbos modeliai taip pat galėtų būti naudojami perspektyviai perspėti sveikatos priežiūros paslaugų teikėjus realiuoju laiku. Tai gali paskatinti juos budresnius klausti apie galimą užkrėstų gyvūnų poveikį, tikslinius tyrimus ir kontroliuoti infekcijas izoliuojant pacientus. Šiuo metu CDC priklauso nuo įpareigotų laboratorijų ataskaitų, kad sektų paukščių gripą, tačiau trūksta sistemų, skirtų įvertinti, ar gydytojai klausia apie simptominius pacientus, ar dokumentuoja atitinkamą poveikį.
Tyrėjai tikisi patikrinti didelę kalbų modelį, kad būtų galima atlikti perspektyvų stebėjimą ir diegimą elektroninėje sveikatos įraše, kad būtų galima greičiau nustatyti realią laiką didelės rizikos pacientų. Kai kvėpavimo takų viruso sezonas atnaujinamas rudenį, turėdamas greitą ir tikslų būdą nustatyti tuos pacientus, kuriems reikalingi specialūs paukščių gripo bandymai, arba atsargumo priemonės izoliacija gydant, bus ypač kritiškos.
„Mes esame žlugdančios, bet neįtikėtinai perspektyvios revoliucijos apie didelius duomenis ir dirbtinį intelektą priešakyje“, – sakė UMSOM dekanas Markas T. Gladwinas, MD, kuris taip pat yra Merilendo universiteto Medicinos reikalų viceprezidentas, ir Johnas Z. ir Akiko K. Bowersas Desoutsury Professor.
„Inžinieriai ir gydytojai, dirbantys Sveikatos kompiuterijos institute, turi saugią prieigą prie dviejų milijonų pacientų, kuriems mes tarnaujame visoje Merilande, medicininius įrašus, ir, kaip rodo šis tyrimas, gali naudoti AI ir didelius duomenis, kad nustatytų ankstyvuosius kylančių infekcinių ligų, tokių kaip paukščių gripas, signalus, kad jie galėtų imtis veiksmų anksčiau, kad patikrintume šias ligas ir neleistų jų plisti”.
Kiti UMSOM fakulteto bendraautoriai, susiję su dokumentu Umsom.