Scout: Новая Платформа Поиска и Синтеза EHR на Основе LLM

Нагрузка от клинической документации и извлечения данных из Электронных медицинских записей (EHR) значительно способствует выгоранию клиницистов. В ответ на это мы разработали Scout, инновационную платформу, использующую большие языковые модели (LLM) для того, чтобы позволить медицинским работникам искать данные EHR с помощью запросов на естественном языке. Каждый ответ от Scout сопровождается ссылками на оригинальные данные, что обеспечивает легкую проверку предоставленной информации. Мы провели рандомизированное, слепое к оценке перекрестное исследование с участием 20 участников из семи клинических специальностей, сосредоточившись на 200 структурированных случаях. Участники выполняли реалистичные клинические задачи, используя либо Scout, либо традиционную систему EHR. Результаты показали, что Scout сократил время выполнения задач на 37,6% и значительно снизил воспринимаемую нагрузку, особенно в таких областях, как умственные затраты и усилия. Кроме того, анализы на неинферiority подтвердили, что точность, полнота и актуальность задач, выполненных с помощью Scout, были сопоставимы с задачами, выполненными только с EHR. Пилотный проект, в котором участвовало более 200 пользователей в более чем 20 специальностях, за три месяца сгенерировал более 6,600 взаимодействий, подчеркивая различные клинические и административные применения. Автоматизированные оценки выявили ошибки с низкой частотой, а последующий ручной обзор показал, что многие утверждения, отмеченные как ошибки, были действительно подтверждены записями пациентов, подчеркивая необходимость человеческой проверки. Эти предварительные результаты предполагают, что инструменты EHR, усиленные LLM, могут значительно снизить клиническую нагрузку, сохраняя при этом качество результатов.