Extrahovanie diagnózy, typu a závažnosti glaukómu z klinických poznámok pomocou bezpečných cloudových veľkých jazykových modelov

Štúdia hodnotila výkonnosť piatich cloudových veľkých jazykových modelov (Claude, DeepSeek, GPT, Grok a Qwen) pri extrakcii informácií o glaukóme z klinických poznámok. Výskum zahŕňal 1 250 pacientov z Bascom Palmer Ophthalmic Repository s klinickými poznámkami z rokov 2014 až 2024. Dva špecialisti na glaukóm ručne anotovali údaje o prítomnosti, type a závažnosti glaukómu. Modely dosiahli vysokú presnosť pri diagnostike glaukómu (94,4 % až 97,5 %), klasifikácii typu (94,0 % až 97,1 %) a určení závažnosti (94,0 % až 95,2 %). Jazykové modely výrazne prekročili výkonnosť tradičných ICD-10 kódov, ktoré dosiahli iba 89,2 % presnosti pri klasifikácii typu a 58,5 % pri určení závažnosti. Výsledky ukazujú, že bezpečné cloudové jazykové modely môžu efektívne transformovať neštruktúrované klinické dokumenty na štruktúrované údaje vhodné na výskum.