使用大型语言模型和社交媒体数据理解肺纤维化

肺纤维化是一种以在 various 器官中形成肉芽块为特征的慢性炎症性疾病。这一疾病因其多样的表现和不可预测性而给诊断和治疗带来挑战。本研究采用大型语言模型 (LLM) 分析肺纤维化相关讨论在社交媒体平台 Reddit 上的情况。我们的发现凸显了 LLM 在准确识别肺纤维化相关内容方面的有效性。我们发现患者报告的症状种类广泛，其中乏力、淋巴结肿大和呼吸困难最为常见。糖皮质激素（Prednisone）是最常处方的药物，而氨甲林（infliximab）在改善预后方面效果最佳。值得注意的是，我们的分析揭示了根据年龄和性别不同，预后也有差异，女性和年轻患者分别经历着良好和两极化的结果。此外，基于无监督聚类的分析识别出三种具有不同症状轮廓、预后和人口统计分布的患者亚型。最后，情感分析揭示了诊断后患者心理健康受到中度负面影响，尤其是女性和年轻人群。我们的研究代表了首次将 LLM 应用于通过社交媒体数据理解肺纤维化的尝试。该研究通过提供关于疾病表现、治疗、预后及其对患者生活影响的数据驱动见解，促进了对该疾病的理解。我们的发现直接 implications for improving personalized treatment strategies and enhancing the quality of care for individuals living with sarcoidosis。