免疫检查点抑制剂（ICIs）为癌症患者提供了可能挽救生命的治疗选择，但同时也伴随着免疫相关不良事件（irAEs）的风险，这些副作用几乎可以影响身体的每一个器官。现实世界的数据集中，irAEs的发生频率和严重程度尚不明确，这使得跨机构整合病例和获取最佳患者管理方案变得困难。目前，调查irAEs的方式主要依赖人工，效率较低，因此麻省总医院布里格姆分校的研究团队采用了预先构建的大型语言模型（LLM）来提取与医院环境中irAEs实例相关的信息。
LLM识别出了最常见的住院irAEs，包括ICI诱导的结肠炎、肝炎、肺炎以及ICI诱导的心肌炎，这些情况可能是致命的。与国际疾病分类（ICD）代码的回顾性识别相比，LLM显示出更高的准确性。研究结果已发表在《临床肿瘤学杂志》上。
“与ICD编码相比，LLM在检测irAEs方面展现了更高的准确性，并且能够识别出额外的irAEs病例，而无需依赖人工判断，具有优异的特异性和敏感性，每张图表的处理时间仅为9.53秒，”通讯作者、麻省总医院癌症中心严重免疫治疗并发症项目主任Kerry Reynolds医学博士表示。“作为一种免费和开源的模型，LLM为这一领域开辟了新的可能，使其他机构能够迅速重建类似的数据库，并有望以全新的方式促进合作。”
本研究分析了接受ICI治疗后住院患者的十年黄金标准数据，数据集经过人工整理。
雷诺兹指出：“结果显示，该模型在四种irAEs中始终保持90%以上的灵敏度和特异性，表现非常出色。”他补充道：“历史上，irAEs领域的合作主要集中在大型学术中心，较小的社区医院很少有机会参与。这项研究有潜力改变这一现状。所提出的LLM对计算资源的需求极低，可以在本地机器上运行，我们期待与更广泛的社区分享这一成果。”
作者包括：Virginia H. Sun, Julius C. Heemelaar, Vineet K. Raghu, Azin Ghamari, Giselle A. Suero-Abreu, Tomas G. Neilan, jsam Ho, Jessica Wu, Hannah K. Gilman, Ibrahim Hadzic, Meghan J. Mooradian, Steven M. Blum, Ryan J. Sullivan, Chia-Yun Wu, Leyre Zubiri, Nicole R. LeBoeuf, Daniel A. Zlotoff, Ayo S Falade, Benjamin Medoff, Shilpa Grover, Kelley Grealish, Nora Hathaway, Alexandra-Chloe Villani, Meghan E. Sise和Michael Dougan。
论文引用：Sun VH et al。“提高检测严重免疫相关不良事件的准确性：患者记录中大型语言模型与ICD代码的比较分析”临床肿瘤学杂志DOI: 10.1200/JCO.24.00326
本文来自作者[svs]投稿，不代表立场，如若转载，请注明出处：http://dasbrooksbookkeeping.com/post/8966.html
评论列表（4条）
我是的签约作者“svs”！
希望本篇文章《AI工具增强癌症免疫不良事件的检测》能对你有所帮助！
本站[]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览： 免疫检查点抑制剂（ICIs）为癌症患者提供了可能挽救生命的治疗选择，但同时也伴随着免疫相关不良事件（irAEs）的风险，这些副作用几乎可以影响身体的每一...