Un grand modèle de langage semble prometteur pour aider les cliniciens à identifier l’hémorragie post-partum

L’hémorragie du post-partum est la principale cause de mortalité et de morbidité maternelles dans le monde et une complication courante de la grossesse. Cette maladie grave est peu étudiée et n’est pas universellement définie ni bien représentée dans les dossiers de santé. Une nouvelle étude menée par des chercheurs du Brigham and Women’s Hospital a utilisé le grand modèle linguistique Flan-T5 pour extraire des concepts médicaux des dossiers de santé électroniques afin de mieux définir et identifier les populations touchées par l’hémorragie post-partum.

L’étude a révélé que le modèle était précis à 95 % dans l’identification des patients atteints de la maladie et a permis d’identifier 47 % de patients en plus qu’en utilisant la méthode standard de suivi de la maladie via des codes de facturation. L’outil s’est révélé très prometteur pour aider les cliniciens à identifier les sous-populations qui présentent un risque plus élevé d’hémorragie post-partum et à prédire celles qui sont plus susceptibles de la développer.

Les résultats sont publiés dans npj Médecine Numérique.

“Nous avons besoin de meilleurs moyens d’identifier les patients présentant cette complication, ainsi que les différents facteurs cliniques qui y sont associés”, a déclaré l’auteur correspondant Vesela Kovacheva, MD, du département d’anesthésiologie, périopératoire et de médecine de la douleur. “Il y a tellement de grands modèles de langage étonnants en cours de développement actuellement, et cette approche pourrait être utilisée avec d’autres conditions et maladies.”

L’émergence d’outils d’intelligence artificielle dans les soins de santé a été révolutionnaire et a le potentiel de remodeler positivement le continuum de soins.

Étant donné que des affections telles que l’hémorragie post-partum incluent un large éventail de patients, de symptômes et de causes, l’équipe de recherche a utilisé le modèle Flan-T5 pour analyser des informations complètes provenant des dossiers de santé électroniques afin de les aider à mieux catégoriser les sous-populations de patients.

Ils ont demandé au modèle Flan-T5 des listes de concepts connus pour être associés à l’hémorragie post-partum, puis lui ont demandé de les extraire des résumés de sortie d’une cohorte de 131 284 patientes ayant accouché dans les hôpitaux Mass General Brigham entre 1998 et 2015. Cette méthode obtenu des résultats rapides et précis sans avoir besoin d’un étiquetage manuel.

“Nous avons examiné tous les patients identifiés par Flan-T5 comme souffrant d’hémorragie post-partum et quelle fraction d’entre eux avaient également le code de facturation correspondant. Il s’avère que Flan-T5 était précis à 95 % et nous a permis d’identifier 47 % de plus. patients que nous aurions avec les seuls codes de facturation », a déclaré la première auteure Emily Alsentzer, Ph.D., chercheuse dans la Division. “Idéalement, nous aimerions pouvoir prédire qui développera une hémorragie post-partum avant qu’elle ne le fasse, et c’est un outil qui peut nous aider à y parvenir.”

Ensuite, l’équipe prévoit de continuer à utiliser cette approche pour examiner d’autres complications de la grossesse et espère que leurs travaux contribueront à résoudre les crises croissantes en matière de santé maternelle aux États-Unis.

“Cette approche peut être appliquée à de nombreuses études futures”, a déclaré Kovatcheva. “Et cela pourrait être utilisé pour guider la prise de décision médicale en temps réel, ce qui est très excitant et précieux pour moi en tant que clinicien.”