基于大语言模型分析临床笔记的癫痫早期检测工具EpiScreen的开发与验证

《npj Digital Medicine》：Early epilepsy detection from electronic health records with large language models

　　

摘要

癫痫和心因性非癫痫性发作（PNES）常表现出相似的发作样症状，但需要根本不同的管理策略。误诊现象普遍存在，可能导致诊断延迟、不必要的治疗以及患者严重的不良后果。尽管长时间视频脑电图（VEEG）是诊断的金标准，但其高昂的成本和有限的可及性阻碍了及时诊断。本文开发了一种低成本、有效的方法——EpiScreen，用于利用电子健康记录中常规收集的临床笔记进行早期癫痫检测。通过在标注笔记上微调大语言模型，EpiScreen在MIMIC-IV数据集上达到了高达0.875的AUC，在明尼苏达大学的私有队列中达到了0.980。在临床医生与AI协作的场景中，EpiScreen辅助的神经科医生比未使用辅助工具的专家表现高出最多14.3%。总体而言，本研究证明EpiScreen支持早期癫痫检测，促进及时且经济高效的筛查，可能减少诊断延迟并避免不必要的干预，尤其是在资源匮乏的地区。