ED-Copilot：利用语言模型诊断辅助减少急诊科等待时间
计算与语言
2024-05-29 v2 人工智能
机器学习
摘要
在急诊科 (ED)，患者在确诊前需经历分诊和多项实验室检查。这一耗时过程导致急诊科拥挤，进而影响患者死亡率、医疗差错及医护人员倦怠等。本研究提出一种具有（时间）成本效益的诊断辅助方案，利用人工智能系统协助急诊科临床医生进行高效且准确的诊断。通过与急诊科临床医生合作，我们利用公开患者数据构建了 MIMIC-ED-Assist 基准，用于评估 AI 系统在准确预测死亡等关键结果的同时，推荐能最小化等待时间的实验室检查的能力。基于 MIMIC-ED-Assist，我们开发了 ED-Copilot，该系统能顺序推荐针对特定患者的实验室检查并做出诊断预测。ED-Copilot 采用预训练的生物医学语言模型对患者信息进行编码，并利用强化学习来最小化急诊科等待时间并最大化预测准确率。在 MIMIC-ED-Assist 上，ED-Copilot 相较于基线方法提高了预测准确率，同时将平均等待时间从四小时缩短至两小时。ED-Copilot 还能根据患者严重程度有效个性化治疗建议，进一步凸显了其作为诊断助手的潜力。由于 MIMIC-ED-Assist 是一个回顾性基准，ED-Copilot 仅限于推荐已观察到的检查。我们表明，随着允许的最大时间增加，即使没有此限制，ED-Copilot 也能实现具有竞争力的性能。我们的代码可在 https://github.com/cxcscmu/ED-Copilot 获取。
引用
@article{arxiv.2402.13448,
title = {ED-Copilot: Reduce Emergency Department Wait Time with Language Model Diagnostic Assistance},
author = {Liwen Sun and Abhineet Agarwal and Aaron Kornblith and Bin Yu and Chenyan Xiong},
journal= {arXiv preprint arXiv:2402.13448},
year = {2024}
}