跳到正文
原文
Nature Communications· Victoria Mueller, Jyoti Yadav, Annie Farnsworth 等 9 人
精选AI 评分62

大语言模型集成系统 PREVIA 以专家级准确率从急诊创伤叙述预测未来创伤后应激障碍风险

LLM ensemble PREVIA predicts future PTSD risk from emergency department trauma narratives with expert-level accuracy

AI 导读

创伤后第一个月是识别创伤后应激障碍高风险者的关键窗口,但急诊常缺时间与工具做筛查。研究纳入 145 名在创伤后 24 小时内到急诊的幸存者,用常规问句“是什么让你来到急诊”录下三分钟叙述,由三个开源大模型分三层提取早期症状、围创伤反应、风险与保护因素并给出风险分,以一个月后的 CAPS-5 访谈为结局。模型识别未来诊断的灵敏度为 95.4% ± 3.99%,AUROC 为 78.49 ± 5.75,在 30 例上与一位急诊专家表现相当。研究目前仅限英语人群,且排除了病情不稳定者。

推荐理由

用急诊常规问句录下的创伤叙述,让三个开源大模型分层评估,对 145 名创伤幸存者预测一个月后创伤后应激障碍,并与一位急诊专家在 30 例上对比。

摘要 · AI 翻译

创伤后应激障碍影响着众多急诊科出院后的创伤幸存者,因此这一就诊环节对于早期风险分层至关重要。然而,急诊临床医生面临严重的时间限制,使得现有筛查工具难以实际应用。我们推出 PREVIA,一种基于临床知识构建的大语言模型集成系统,它通过提取早期创伤后应激症状、围创伤期症状、风险因素和保护因素,从非结构化的患者创伤叙述中预测创伤后应激障碍风险,这些叙述是患者针对急诊科常规诊疗中提出的一个问题所作的回答。在一项正在进行的纵向研究中,我们纳入了纽约市两家一级创伤中心在创伤后 24 小时内的 N = 145 名患者,并在创伤后 1 个月评估创伤后应激障碍。在本研究中,PREVIA 能够准确预测创伤后应激障碍(AUROC = 78.49% ± 5.75%,敏感度=95.4% ± 3.99%,精确率=46.76% ± 8.66%),在 30 名随机选取的患者上与一位专攻创伤后应激障碍的急诊临床医生表现相当(PREVIA:AUROC = 84.39%,敏感度=100.00%,精确率=50.00%;临床医生:AUROC = 83.86%,敏感度=88.89%,精确率=50.00%),并能生成可解释的说明而不增加额外临床负担。这些初步发现支持 PREVIA 作为一种可扩展的急诊科筛查工具的潜力,有助于及时开展有针对性的干预,并值得在更大规模的独立队列中加以验证。

中文由 AI 翻译,仅供参考,以原文为准。

来源:Nature Communications · nature.com

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。