새로운 'AI 의사'로 병원 재입원 및 기타 건강 결과 예측

Jun 05, 2023

연구, 환자 치료, 보도 자료

2023년 6월 7일

사진: SDI 프로덕션/게티

ㅏ n 인공지능(AI) 컴퓨터 프로그램은 의사의 메모를 읽어 환자의 사망 위험, 입원 기간, 기타 치료에 중요한 요소를 정확하게 추정할 수 있습니다. NYU Grossman School of Medicine의 연구원들이 이끄는 팀이 설계한 이 도구는 현재 NYU Langone Health 병원에서 퇴원한 환자가 한 달 이내에 재입원할 가능성을 예측하는 데 사용되고 있습니다.

전문가들은 의료 개선을 위한 컴퓨터 알고리즘을 오랫동안 연구해 왔으며 일부는 귀중한 임상 예측을 하는 것으로 나타났습니다. 그러나 컴퓨터는 깔끔한 표에 정리된 정보를 가장 잘 처리하는 반면, 의사는 일반적으로 인간의 사고 방식을 반영하는 창의적이고 개별화된 언어로 글을 쓰기 때문에 사용되는 경우는 거의 없습니다.

연구자들은 번거로운 데이터 재구성이 장애물이었지만 새로운 유형의 AI인 대규모 언어 모델(LLM)은 특별히 형식화된 데이터 없이도 텍스트에서 "학습"할 수 있다고 말합니다.

6월 7일 Nature 저널에 온라인으로 발표된 연구에서 연구팀은 전자 건강 기록의 변경되지 않은 텍스트를 사용하여 환자의 건강 상태에 대한 유용한 평가를 수행하도록 훈련할 수 있는 NYUTron이라는 LLM을 설계했습니다. 결과에 따르면 이 프로그램은 재입원한 환자의 80%를 예측할 수 있었으며 이는 의료 데이터의 형식을 다시 지정해야 하는 표준 비LLM 컴퓨터 모델에 비해 약 5% 향상된 수치였습니다.

NYU 데이터 과학 센터의 박사 과정 학생이자 연구 책임자인 Lavender Jiang은 "우리의 연구 결과는 환자 치료에 대해 의사를 안내하기 위해 대규모 언어 모델을 사용할 수 있는 가능성을 강조합니다."라고 말했습니다. "NYUTron과 같은 프로그램은 재입원 및 기타 문제로 이어질 수 있는 요인에 대해 의료 서비스 제공자에게 실시간으로 경고하여 신속하게 해결하거나 심지어 방지할 수 있습니다."

Jiang은 기본 작업을 자동화함으로써 기술이 작업 흐름을 가속화하고 의사가 환자와 대화하는 데 더 많은 시간을 할애할 수 있다고 덧붙였습니다.

LLM은 특수한 컴퓨터 알고리즘을 사용하여 실제 사람들이 해당 맥락에서 특정 용어를 사용할 가능성을 기반으로 문장을 채우는 데 가장 적합한 단어를 예측합니다. 컴퓨터에게 그러한 단어 패턴을 인식하는 방법을 "교육"하는 데 사용되는 데이터가 많을수록 시간이 지남에 따라 추측이 더욱 정확해진다고 Jiang은 덧붙입니다.

연구를 위해 연구원들은 2011년 1월부터 2020년 5월까지 NYU Langone 병원 시스템 내에서 치료를 받은 336,000명의 남성과 여성의 전자 건강 기록에서 수집된 수백만 건의 임상 노트를 사용하여 NYUtron을 교육했습니다. 결과적으로 41억 단어 언어 "클라우드" "에는 방사선과 보고서, 환자 경과 기록, 퇴원 지시 사항 등 의사가 작성한 모든 기록이 포함됩니다. 특히 언어는 의사들 사이에서 표준화되지 않았으며 프로그램은 특정 작가의 고유한 약어까지 해석할 수 있었습니다.

그림 제공: 자연

연구 결과에 따르면 NYUtron은 병원에서 사망한 환자의 85%(표준 방법에 비해 7% 개선)를 식별했으며 환자의 실제 입원 기간의 79%(표준 모델에 비해 12% 개선)를 추정했습니다. 또한 이 도구는 원발성 질병(동반이환 지수)에 수반되는 추가 질환의 가능성과 보험 거부 가능성을 성공적으로 평가했습니다.

"이러한 결과는 대규모 언어 모델이 '스마트 병원'의 개발을 가능성일 뿐만 아니라 현실로 만든다는 것을 보여줍니다."라고 연구 수석 저자이자 신경외과 의사인 Eric K. Oermann 박사는 말했습니다. "NYUTron은 전자 건강 기록에서 직접 가져온 정보를 읽기 때문에 예측 모델을 쉽게 구축하고 의료 시스템을 통해 신속하게 구현할 수 있습니다."

NYU Langone의 신경외과 및 방사선과 조교수인 Oermann 박사는 향후 연구에서 청구 코드 추출, 감염 위험 예측, 주문할 올바른 약물 식별 등의 잠재적인 응용 분야에서 모델의 기능을 탐색할 수 있다고 덧붙였습니다.