AI भाषा मॉडेल्स असंरचित EHR नोट्सना संगणनीय रुग्ण प्रवासांमध्ये रूपांतरित करतात

सर्वात समृद्ध क्लिनिकल तपशील संशोधनापर्यंत का पोहोचत नाही

इलेक्ट्रॉनिक आरोग्य रेकॉर्डमध्ये त्यांच्या कोडेड फील्ड्सपेक्षा खूप जास्त माहिती असते. नुकत्याच प्रकाशित झालेल्या Nature Medicine पेपरचे लेखक नमूद करतात त्याप्रमाणे, EHR डेटाचा बहुतांश भाग असंरचित मजकुरात असतो — आरोग्यसेवा पुरवठादार आणि त्यांच्या रुग्णांमधील भेटींदरम्यान नोंदवलेला वर्णनात्मक भाग. या भेटींमध्ये लक्षणांचे वर्णन, प्रतिकूल परिणाम, उपचारांचे कारण, औषधोपचारांचे पालन करण्यातील अडचणी, कौटुंबिक इतिहास आणि इतर बारकावे कैद होतात, जे एकतर अजिबात कोडेड केलेले नसतात किंवा निदान आणि प्रक्रिया कोड्ससारख्या संरचित फील्ड्समध्ये केवळ अंशतः प्रतिबिंबित होतात.

परिणाम म्हणजे वास्तविक-जगातील पुराव्यांमधील एक सातत्यपूर्ण अंध बिंदू. नियमित काळजीमधून शिकण्याचा प्रयत्न करणारे बहुतेक अभ्यास अजूनही संरचित डेटा फील्ड्सवर अवलंबून असतात, कारण तेच रेकॉर्डचे भाग आहेत जे मोठ्या प्रमाणावर संगणकीय पद्धतीने क्वेरी करता येतात. नवीन कार्य ही दरी भरून काढण्याच्या उद्देशाने एक दृष्टिकोन मांडते.

क्लिनिकल मजकूर संगणनीय बनवणारी पाइपलाइन

संशोधक एक नवीन पद्धत सादर करतात जी मोठ्या, पूर्व-प्रशिक्षित भाषा मॉडेल्सचा वापर करून असंरचित EHR मजकुरातून संगणनीय क्लिनिकल डेटा अचूकपणे काढते. महत्त्वाचे म्हणजे, एक्सट्रॅक्शन हे स्वतःच एक अंतिम टप्पा न मानता दीर्घ पाइपलाइनचा प्रारंभिक टप्पा म्हणून हाताळले जाते, ज्याचे उद्दिष्ट संपूर्ण रुग्ण इतिहासाला सुरुवातीपासून शेवटपर्यंत मशीन-वाचनीय बनवणे हे आहे.

कच्च्या नोट्सपासून एकात्मिक नॉलेज ग्राफपर्यंत

क्लिनिकल घटक मुक्त मजकुरातून बाहेर काढल्यानंतर, ते संरचित EHR डेटासोबत एकत्रित केले जातात, वैद्यकीय ऑन्टोलॉजींमध्ये एम्बेड केले जातात आणि नॉलेज ग्राफमध्ये व्यवस्थित केले जातात. ही रचना महत्त्वाची आहे, कारण ती व्हेरिएबल्समधील संबंध जतन करते आणि त्यांना विभक्त फील्ड्समध्ये सपाट करत नाही.

• असंरचित नोट मजकूर मोठ्या पूर्व-प्रशिक्षित भाषा मॉडेल्सचा वापर करून क्लिनिकल घटकांसाठी खणून काढला जातो.
• काढलेले घटक त्याच रुग्णावरील आधीच असलेल्या संरचित रेकॉर्ड्ससोबत विलीन केले जातात.
• वैद्यकीय ऑन्टोलॉजीज काढलेल्या संज्ञा तुलनात्मक आणि सुसंगत ठेवणारा अर्थपूर्ण आधार पुरवतात.
• नॉलेज ग्राफ व्हेरिएबल्सना जोडतो जेणेकरून त्यांच्यातील कोणत्याही संबंधाची चौकशी करता येते.

हा ग्राफ वैयक्तिक रुग्णांच्या स्तरावर तसेच लोकसंख्येच्या प्रमाणात व्यवस्थित केलेला असल्याने, एक संशोधक त्याच मूलभूत प्रतिनिधित्वाचा वापर करून एका व्यक्तीचा प्रवास शोधू शकतो किंवा संपूर्ण कोहोर्टमधील नमुने तपासू शकतो.

वैद्यकीय पुनरावलोकन अचूकतेच्या दाव्यांना पुष्टी देते

अचूकता विश्वासावर घेतली गेली नाही. संघाने त्याचे आउटपुट वैद्यकीय निर्णयाकडे सादर केले, ज्याने ब्लाइंडेड तज्ञ संदर्भ मानकाच्या तुलनेत उच्च अचूकतेची पुष्टी केली. तज्ञ वैद्यकीय पुनरावलोकनकर्त्यांनी उच्च आंतर-पुनरावलोकनकर्ता सहमती देखील दर्शविली, जी काढलेला डेटा त्या मानकाच्या तुलनेत किती सातत्याने ठरवला जाऊ शकतो याबद्दल एक महत्त्वाचा संकेत आहे.

लेखक व्याप्तीबद्दल तितकेच स्पष्ट आहेत. हे फ्रेमवर्क रोग-अज्ञेय म्हणून वर्णन केले आहे, आणि ते एकाच विशेषज्ञता किंवा संकेतासाठी तयार केलेले नसून सर्व क्लिनिकल परिस्थितींमध्ये मोठ्या रुग्ण डेटासेट्सपर्यंत विस्तारण्यासाठी डिझाइन केले आहे.

संशोधक नियंत्रणात ठेवून मोठ्या प्रमाणावर क्वेरी करणे

नॉलेज ग्राफ वापरण्यायोग्य बनवण्यासाठी, संशोधकांनी एक एजंटिक-अनुकूल प्रोग्रामॅटिक इंटरफेस तयार केला जो मोठ्या प्रमाणातील ग्राफ डेटा नेव्हिगेट करतो. हा इंटरफेस विश्लेषणे वेगवान, सोपी आणि किफायतशीर बनवण्यासाठी आहे, मग कार्य मुक्त-शोध असो किंवा औपचारिक गृहीतक चाचणी.

हे मानव-मार्गदर्शित क्वेरी वातावरण श्रम-केंद्रित कामाला गती देण्याचा मार्ग म्हणून मांडले आहे, वैज्ञानिक निर्णयाची जागा घेण्यासाठी नाही. अभ्यास रचना, विश्लेषणात्मक निर्णय आणि अर्थ लावणे संशोधकाच्या नियंत्रणात राहतात. व्यवहारात, कामाची विभागणी स्पष्ट आहे: ऑटोमेशन डेटाचे पुनर्प्राप्ती आणि एकत्रीकरण हाताळते, तर संशोधक कोणते प्रश्न विचारले जातात आणि उत्तरांचा अर्थ काय आहे यावर अधिकार राखतात.

GLP-1 रिसेप्टर अॅगोनिस्टसह उपयुक्तता दर्शवणे

या फ्रेमवर्कला क्लिनिकल मूल्य आहे हे दाखवण्यासाठी, लेखकांनी ग्लुकागॉन-सदृश पेप्टाइड-1 रिसेप्टर अॅगोनिस्ट (GLP-1 RA) थेरपी सुरू करणाऱ्या व्यक्तींमधील उपचार प्रतिसादांचे मोठ्या प्रमाणातील अनुदैर्ध्य विश्लेषण केले. त्यांच्या दृष्टिकोनाचा वापर करून, त्यांनी या औषधे सुरू करणाऱ्या मोठ्या संख्येने रुग्णांना उच्च आत्मविश्वासाने ओळखले, रुग्ण-स्तरीय प्रक्षेपण पुनर्रचित केले आणि उपचार सुरू केल्यानंतर वजन आणि हिमोग्लोबिन A1c (HbA1c) मधील अनुदैर्ध्य बदलांचे मॉडेल केले.

हे व्यायाम पाइपलाइन कोणत्या प्रकारच्या प्रश्नाचे उत्तर देण्यासाठी तयार केली आहे हे स्पष्ट करतो. GLP-1 RA वापर क्लिनिकल दस्तऐवजीकरणाचा एक मोठा माग सोडतो — पात्रता चर्चा, टायट्रेशन निर्णय, सहनशीलता समस्या, पालन समस्या आणि फॉलो-अप मोजमाप — ज्यापैकी बरेचसे नीटनेटके कोडेड फील्ड्सऐवजी वर्णनात्मक नोट्समध्ये असते. प्रत्येक रुग्णाला प्रत्यक्षात काय घडले हे पुनर्रचित करणे आणि नंतर त्या वैयक्तिक कथांना लोकसंख्या-स्तरीय संकेतामध्ये एकत्रित करणे, हेच कार्य पारंपरिकपणे असंरचित मजकुराने कठीण बनवले आहे.

या कामामागे कोण आहे

हा पेपर बहुविद्याशाखीय लेखक गटाचा परिणाम आहे: Edward Kim, Richard Foty, Avnesh S. Thakor, Jay S. Skyler, Lucy F. Robinson, James D. Park, Monica Kraft, Charles B. Cairns आणि Vicki Seyfert-Margolis. तो 10 सप्टेंबर 2026 रोजी Nature Medicine मध्ये ओपन अॅक्सेस लेख म्हणून ऑनलाइन प्रकाशित झाला.

लवकर प्रवेश आणि काय तात्पुरते आहे

Nature Medicine ने पीअर-रिव्ह्यू केलेल्या, स्वीकारलेल्या संशोधनापर्यंत वेगवान प्रवेश देण्यासाठी अंतिम आवृत्तीच्या आधी पेपर सामायिक केला आहे. हा लेख उद्धरणयोग्य आहे आणि त्याला कायमस्वरूपी DOI आहे. तरीही वाचकांनी हे लक्षात घ्यावे की ही आवृत्ती पुढील संपादनांच्या अधीन आहे आणि अंतिम Version of Record द्वारे स्वयंचलितपणे बदलली जाईल, सर्व कायदेशीर अस्वीकरणे लागू राहतील.

स्वीकारलेल्या स्वरूपातही, योगदान एका अभ्यासापेक्षा पायाभूत सुविधा म्हणून अधिक चांगल्या प्रकारे समजले जाते. लेखक असा युक्तिवाद करतात की त्यांचे भाषा-मॉडेल एक्सट्रॅक्शन, ऑन्टोलॉजी एम्बेडिंग आणि नॉलेज-ग्राफ संघटन यांचे संयोजन क्लिनिकल संशोधनातील एक संरचनात्मक समस्या संबोधित करते — क्लिनिकल तपशील प्रत्यक्षात कुठे राहतो आणि विश्लेषण कुठपर्यंत पोहोचू शकते यातील विसंगती. भेटींच्या वर्णनांना संरचित फील्ड्सच्या शेजारी बसणाऱ्या संगणनीय घटकांमध्ये रूपांतरित करून, आणि परिणाम प्रोग्रामॅटिक इंटरफेसद्वारे उघड करून, हे फ्रेमवर्क क्लिनिकमध्ये लिहिलेल्या कच्च्या नोट आणि चाचणीयोग्य संशोधन प्रश्न यामधील अंतर कमी करण्याचे उद्दिष्ट ठेवते.

हे वचन क्लिनिकल परिस्थिती, नोट शैली आणि आरोग्य प्रणालींच्या संपूर्ण श्रेणीत टिकते का, हा प्रश्न वर्णन केलेले रोग-अज्ञेय डिझाइन निकाल देण्याऐवजी आमंत्रित करण्यासाठी आहे. लेखक जे देतात तो एक पुनरुत्पादनीय मार्ग आहे: ब्लाइंडेड तज्ञ पुनरावलोकनाच्या तुलनेत एक्सट्रॅक्शनची वैधता तपासा, काढलेल्या संकल्पना वैद्यकीय ऑन्टोलॉजींमध्ये स्थिर करा, सर्व काही ग्राफमध्ये जोडा, आणि संशोधकांना विज्ञानाचे नियंत्रण न सोडता त्याची क्वेरी करू द्या.

हा लेख Nature Medicine च्या रिपोर्टिंगवर आधारित आहे. मूळ लेख वाचा.