[ad_1]
Ein Überblick über den Prozess und die Rahmenbedingungen der Verwendung von ChatGPT zur strukturierten Datenextraktion aus Pathologieberichten. a Veranschaulichung der Verwendung der OpenAI-API für Batch-Abfragen des ChatGPT-Dienstes, angewendet auf eine beträchtliche Menge klinischer Notizen – Pathologieberichte in unserer Studie. b Ein allgemeiner Rahmen für die Integration von ChatGPT in reale Anwendungen. Kredit: npj Digitale Medizin (2024). DOI: 10.1038/s41746-024-01079-8
× schließen
Ein Überblick über den Prozess und die Rahmenbedingungen der Verwendung von ChatGPT zur strukturierten Datenextraktion aus Pathologieberichten. a Veranschaulichung der Verwendung der OpenAI-API für Batch-Abfragen des ChatGPT-Dienstes, angewendet auf eine beträchtliche Menge klinischer Notizen – Pathologieberichte in unserer Studie. b Ein allgemeiner Rahmen für die Integration von ChatGPT in reale Anwendungen. Kredit: npj Digitale Medizin (2024). DOI: 10.1038/s41746-024-01079-8
ChatGPT, der Chatbot mit künstlicher Intelligenz (KI), der zur Unterstützung bei sprachbasierten Aufgaben entwickelt wurde, kann effektiv Daten für Forschungszwecke aus den klinischen Aufzeichnungen von Ärzten extrahieren, berichten Forscher des UT Southwestern Medical Center in einer neuen Studie.
Ihre Ergebnisseveröffentlicht 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, Direktor des Quantitative Biomedical Research Center und Mitglied des Harold C. Simmons Comprehensive Cancer Center.
Ein Großteil der Forschung im Xie Lab konzentriert sich auf die Entwicklung und Nutzung von Datenwissenschafts- und KI-Tools zur Verbesserung der biomedizinischen Forschung und Gesundheitsversorgung. 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 zu menschlicher Voreingenommenheit führen.
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 stets mit Vorsicht einsetzen. Eine strenge und kontinuierliche Bewertung ist sehr wichtig“, sagte Dr. Xie.
Mehr Informationen: Jingwei Huang et al., Eine kritische Bewertung der Verwendung von ChatGPT zum Extrahieren strukturierter Daten aus klinischen Notizen, npj Digitale Medizin (2024). DOI: 10.1038/s41746-024-01079-8
[ad_2]