Software médico-hospitalar Healthcare LLM

clínicoIA

Modelos médicos de grande porte de última geração Sumarização de Notas Clínicas é 30% mais exato do que BART, Flan-T5 e Pegasus. Reconhecimento de entidades clínicas Os modelos da John Snow Labs cometem metade dos erros que o ChatGPT comete. A extração de códigos ICD-10-CM é feita com uma taxa de sucesso de 76% contra 26% do GPT-3.5 e 36% do GPT-4. Colocando LLMs da área de saúde em uso na produção Usando LLMs específicos da área de saúde para descoberta de dados de anotações e histórias de pacientes O Departamento de Assuntos de Veteranos dos EUA, um sistema de saúde que serve mais de 9 milhões de veteranos e suas famílias. Esta colaboração com o VA National Artificial Intelligence Institute (NAII), a VA Innovations Unit (VAIU) e o Office of Information Technology (OI&T) mostra que, embora a precisão imediata dos actuais LLM em notas clínicas seja inaceitável, pode ser significativamente melhorada com o pré-processamento, por exemplo, utilizando os modelos de resumo de textos clínicos da John Snow Labs antes de os alimentar como conteúdo para a saída de IA generativa do LLM. Recuperação de coortes de pacientes solicitada por texto: Aproveitamento de modelos LLM de cuidados de saúde para uma gestão precisa da saúde da população Utilizando os modelos Healthcare LLM do John Snow Lab, a plataforma ClosedLoop permite que os utilizadores recuperem coortes utilizando pedidos de texto livre. Os exemplos incluem: "Quais os pacientes que se encontram nos 5% de risco mais elevados para um internamento não planeado e têm doença renal crónica de fase 3 ou superior?" ou "Quais os pacientes que se encontram nos 5% de risco mais elevados para um internamento, têm mais de 72 anos e não foram submetidos a um exame anual de bem-estar?"