HELIOT：基于 LLM 的不良反应管理临床决策支持系统
人工智能
2025-04-15 v2
摘要
用药错误严重威胁患者安全，导致药物不良事件并给医疗系统带来沉重的经济负担。旨在减少这些错误的临床决策支持系统（CDSS）在处理非结构化临床数据时常常面临局限性，包括依赖静态数据库和基于规则的算法，频繁产生过多警报，导致医护人员产生警报疲劳。本文介绍了 HELIOT，一种用于药物不良反应管理的创新 CDSS，它利用集成综合药物数据库的大语言模型（LLM）处理自由文本临床信息。HELIOT 利用先进的自然语言处理能力来解释医疗叙述，从非结构化临床笔记中提取相关药物反应信息，并从过去患者特定的药物耐受性中学习以减少误报，从而在初级保健、专科会诊和医院环境中实现更细致、更具上下文感知的药物不良事件预警。使用合成临床叙述数据集和专家验证的真实标签进行的初步评估显示出令人鼓舞的结果。HELIOT 在受控环境中实现了高准确率。此外，通过智能分析临床笔记中记录的既往药物耐受性并区分需要不同警报类型的病例，与传统 CDSS 相比，HELIOT 有望将中断性警报减少 50% 以上。虽然这些初步发现令人鼓舞，但仍需在真实世界中进行验证，以确认其在临床实践中的益处。
引用
@article{arxiv.2409.16395,
title = {HELIOT: LLM-Based CDSS for Adverse Drug Reaction Management},
author = {Gabriele De Vito and Filomena Ferrucci and Athanasios Angelakis},
journal= {arXiv preprint arXiv:2409.16395},
year = {2025}
}