DALLAS – 8. Mai 2024 – chatgpt, der Chatbot mit künstlicher Intelligenz (KI), der zur Unterstützung sprachbasierter Aufgaben entwickelt wurde, kann effektiv Daten für Forschungszwecke aus den klinischen Notizen von Ärzten extrahieren, berichten Forscher des UT Southwestern Medical Center in einer neuen Studie. Ihre Ergebnisse, veröffentlicht in NPJ Digitale Medizinkönnte die klinische Forschung erheblich beschleunigen und zu neuen Innovationen bei computergestützten klinischen Entscheidungshilfen führen.

„Durch die Umwandlung von Ozeanen von Freitext-Gesundheitsdaten in strukturiertes Wissen ebnet diese Arbeit den Weg für die Nutzung künstlicher Intelligenz, um Erkenntnisse abzuleiten, die klinische Entscheidungsfindung zu verbessern und letztendlich die Patientenergebnisse zu verbessern“, sagte Studienleiter Yang Xie, Ph.D., Professor an der Peter O'Donnell Jr. School of Public Health und der Lyda Hill Department of Bioinformatics an der UT Southwestern. Dr. Xie ist außerdem stellvertretender Dekan für Datenwissenschaften an der UT Southwestern Medical School und Direktor der Quantitatives biomedizinisches Forschungszentrumund Mitglied des Harold C. Simmons Comprehensive Cancer Center.

Yang Xie, Ph.D., Professor an der Peter O'Donnell Jr. School of Public Health und der Lyda Hill Department of Bioinformatics an der UT Southwestern, ist Associate Dean of Data Sciences an der UT Southwestern Medical School und Direktor der quantitativen biomedizinischen Forschung Center und Mitglied des Harold C. Simmons Comprehensive Cancer Center.

Ein Großteil der Forschung in der Xie-Labor konzentriert sich auf die Entwicklung und Nutzung von Datenwissenschafts- und KI-Tools zur Verbesserung der biomedizinischen Forschung und des Gesundheitswesens. Sie und ihre Kollegen fragten sich, ob ChatGPT den Prozess der Analyse klinischer Notizen – die Memos, die Ärzte schreiben, um Patientenbesuche, Diagnosen und Status als Teil ihrer Krankenakte zu dokumentieren – beschleunigen könnte, um relevante Daten für die klinische Forschung und andere Zwecke zu finden. Klinische Notizen seien eine Fundgrube an Informationen, erklärte Dr. Xie; Da sie jedoch im Freitext verfasst sind, erfordert das Extrahieren strukturierter Daten in der Regel, dass sie von einem ausgebildeten Mediziner gelesen und mit Anmerkungen versehen werden. Dieser Prozess erfordert einen enormen Zeit- und oft auch Ressourcenaufwand – und kann auch menschliche Voreingenommenheit hervorrufen. Bestehende Programme, die die Verarbeitung natürlicher Sprache nutzen, erfordern umfangreiche menschliche Annotationen und Modellschulungen. Infolgedessen werden klinische Notizen für Forschungszwecke weitgehend zu wenig genutzt.

Um festzustellen, ob ChatGPT klinische Notizen in strukturierte Daten umwandeln kann, ließen Dr. Xie und ihre Kollegen mehr als 700 Sätze pathologischer Notizen für Lungenkrebspatienten analysieren, um die Hauptmerkmale von Primärtumoren zu ermitteln und festzustellen, ob Lymphknoten beteiligt waren, sowie den Krebs Stadium und Subtyp. Insgesamt, so Dr. Xie, liege die durchschnittliche Genauigkeit von ChatGPT bei der Durchführung dieser Feststellungen bei 89 %, basierend auf den Bewertungen menschlicher Leser. Ihre Analyse nahm mehrere Wochen Vollzeitarbeit in Anspruch, verglichen mit den wenigen Tagen, die für die Feinabstimmung der Datenextraktion aus dem ChatGPT-Modell benötigt wurden. Diese Genauigkeit war deutlich besser als bei anderen herkömmlichen Methoden zur Verarbeitung natürlicher Sprache, die für diesen Zweck getestet wurden.

Um zu testen, ob dieser Ansatz auf andere Krankheiten anwendbar ist, verwendeten Dr Jugendliche. Hier lieferte ChatGPT Informationen mit einer Genauigkeit von fast 99 % zum Grad und 100 % zum Margenstatus.

Dr. Xie stellte fest, dass die Ergebnisse stark davon beeinflusst wurden, welche Aufforderungen ChatGPT zur Ausführung der einzelnen Aufgaben erhielten – ein Phänomen, das Prompt Engineering genannt wird. Die Bereitstellung mehrerer Optionen zur Auswahl, die Bereitstellung von Beispielen für geeignete Antworten und die Anweisung von ChatGPT, sich bei der Schlussfolgerung auf Beweise zu verlassen, verbesserten die Leistung.

Sie fügte hinzu, dass die Verwendung von ChatGPT oder anderen großen Sprachmodellen zum Extrahieren strukturierter Daten aus klinischen Notizen nicht nur die klinische Forschung beschleunigen, sondern auch die Anmeldung für klinische Studien erleichtern könnte, indem die Patienteninformationen mit den Protokollen klinischer Studien abgeglichen werden. Sie sagte jedoch, dass ChatGPT den Bedarf an menschlichen Ärzten nicht ersetzen werde.

„Auch wenn diese Technologie eine äußerst vielversprechende Möglichkeit ist, Zeit und Aufwand zu sparen, sollten wir sie immer mit Vorsicht nutzen. Eine strenge und kontinuierliche Bewertung ist sehr wichtig“, sagte Dr. Xie.

Zu den weiteren UTSW-Forschern, die zu dieser Studie beigetragen haben, gehören der Erstautor Jingwei Huang, Ph.D., Data Scientist; Donghan „Mo“ Yang, Ph.D., Assistenzprofessor an der O'Donnell School of Public Health und Direktor des Kernbereichs Biostatistik und Datenwissenschaft; Ruichen Rong, Ph.D., Assistenzprofessor an der O'Donnell School of Public Health; Zhikai Chi, MD, Ph.D., Assistenzprofessor für Pathologie; Laura J. Klesse, MD, Ph.D., außerordentliche Professorin für Pädiatrie und neurologische Chirurgie; Guanghua Xiao, Ph.D., Professor an der O'Donnell School of Public Health, für Biomedizintechnik und am Lyda Hill Department of Bioinformatics; Eric D. Peterson, MD, MPH, Professor für Innere Medizin und an der O'Donnell School of Public Health, Vizeprovost und Senior Associate Dean für klinische Forschung; Xiaowei Zhan, Ph.D., außerordentlicher Professor an der O'Donnell School of Public Health und am Center for the Genetics of Host Defense; Xian Cheng, Ph.D., Senior Research Associate; Yuija Guo, MS, biostatistische Beraterin; und die Postdoktoranden Kuroush Nezafati, MD, und Colin Treager, MD

Dr. Chi, Klesse, Xiao und Zhan sind ebenfalls Mitglieder des Simmons Cancer Center.

Dr. Xie ist Inhaber des Raymond D. and Patsy R. Nasher Distinguished Chair in Cancer Research zu Ehren von Eugene P. Frenkel, MD. Dr. Kleese ist ein Dedman Family Scholar in Clinical Care. Dr. Xiao ist Inhaber des Mary Dees McDermott Hicks Lehrstuhls für medizinische Wissenschaft. Dr. Peterson ist Inhaber des Adelyn and Edmund M. Hoffman Distinguished Chair in Medical Science.

Diese Studie wurde durch Zuschüsse der National Institutes of Health (P50CA70907, P30CA142543, 1R35GM136375, 1R01GM140012, 1R01GM141519, 1R01DE030656, 1U01CA249245 und U01AI169298) und des Cancer Prevention and Research finanziert von Texas (RP230330 und RP180805).

Über das UT Southwestern Medical Center

UT Southwestern, eines der führenden akademischen medizinischen Zentren des Landes, verbindet bahnbrechende biomedizinische Forschung mit außergewöhnlicher klinischer Versorgung und Ausbildung. Die Fakultätsmitglieder der Institution haben sechs Nobelpreise erhalten und umfassen 25 Mitglieder der National Academy of Sciences, 21 Mitglieder der National Academy of Medicine und 13 Forscher des Howard Hughes Medical Institute. Die mehr als 3.100 Vollzeitdozenten sind für bahnbrechende medizinische Fortschritte verantwortlich und engagieren sich dafür, wissenschaftlich fundierte Forschung schnell in neue klinische Behandlungen umzusetzen. Ärzte im UT Southwestern betreuen in mehr als 80 Fachgebieten mehr als 120.000 Krankenhauspatienten, mehr als 360.000 Fälle in der Notaufnahme und betreuen fast 5 Millionen ambulante Besuche pro Jahr.