FHIR上的大语言模型——揭秘健康记录

目标：通过开发一个使用大语言模型（LLM）和快速医疗互操作性资源（FHIR）应用程序编程接口（API）的以患者为中心的人工智能（AI）解决方案，提高不同患者群体的健康素养和健康信息的可获取性。材料与方法：研究涉及开发LLM on FHIR，一个开源移动应用程序，允许用户使用LLM与他们的健康记录进行交互。该应用程序基于斯坦福大学的Spezi生态系统，并使用OpenAI的GPT-4。使用SyntheticMass患者数据集进行了一项试点研究，并由医学专家评估了该应用程序在提高健康素养方面的有效性。评估侧重于LLM对常见患者问题的回答的准确性、相关性和可理解性。结果：LLM on FHIR在向患者提供可理解的健康信息方面表现出不同程度的但总体较高的准确性和相关性。该应用程序有效地将医疗数据转化为患者友好的语言，并能够根据不同的患者档案调整其回答。然而，挑战包括LLM回答的变异性以及对健康数据进行精确过滤的需求。讨论与结论：LLM在提高健康素养和使健康记录更易获取方面具有巨大潜力。LLM on FHIR作为该领域的先驱应用，展示了将LLM整合到患者护理中的可行性和挑战。尽管前景广阔，但实施和试点也突显了诸如回答不一致等风险以及可重复输出的重要性。未来方向包括更好的资源识别机制以及在设备上执行LLM以增强隐私和降低成本。