Diagnostická presnosť lokálne nasadeného algoritmu veľkého jazykového modelu na automatizovanú identifikáciu Code Stroke v triaážnych poznámkach oddelenia urgentnej medicíny

Štúdia hodnotila presnosť algoritmu založeného na veľkom jazykovom modeli (LLM) na automatickú identifikáciu pacientov spĺňajúcich kritériá Code Stroke z voľného textu triaážnych poznámok v oddelení urgentnej medicíny. Analýza zahrnula 3 023 prezentácií pacientov z jedného mesiaca (september-október 2023) v austrálskej nemocnici. Najlepší model (Qwen 2.5 14B) dosiahol citlivosť 0,890, špecifickosť 0,993, pozitívnu prediktívnu hodnotu 0,858 a negatívnu prediktívnu hodnotu 0,995. Z 140 aktivácií Code Stroke malo 83 pacientov (59,2 %) potvrdenú diagnózu mozgovej príhody, 16 pacientov (11,4 %) podstúpilo endovaskulárnu trombektómiu a 4 pacienti (2,9 %) dostali trombólyzу. Algoritmus pracuje bez internetového pripojenia a bez pretrenovania na údajoch pacientov, čo podporuje jeho praktickú použiteľnosť v urgentnej medicíne.