ترجمه فارسی مقاله RT-Surv: بهبود پیش‌بینی مرگ و میر پس از پرتودرمانی با ساختاردهی مدل زبان بزرگ پرونده‌های سلامت الکترونیکی بدون ساختار در مقیاس بزرگ

چکیده

Accurate patient selection is critical in radiotherapy (RT) to prevent ineffective treatments. Traditional survival prediction models, relying on structured data, often lack precision. This study explores the potential of large language models (LLMs) to structure unstructured electronic health record (EHR) data, thereby improving survival prediction accuracy through comprehensive clinical information integration. Data from 34,276 patients treated with RT at Yonsei Cancer Center between 2013 and 2023 were analyzed, encompassing both structured and unstructured data. An open-source LLM was used to structure the unstructured EHR data via single-shot learning, with its performance compared against a domain-specific medical LLM and a smaller variant. Survival prediction models were developed using statistical, machine learning, and deep learning approaches, incorporating both structured and LLM-structured data. Clinical experts evaluated the accuracy of the LLM-structured data. The open-source LLM achieved 87.5% accuracy in structuring unstructured EHR data without additional training, significantly outperforming the domain-specific medical LLM, which reached only 35.8% accuracy. Larger LLMs were more effective, particularly in extracting clinically relevant features like general condition and disease extent, which closely correlated with patient survival. Incorporating LLM-structured clinical features into survival prediction models significantly improved accuracy, with the C-index of deep learning models increasing from 0.737 to 0.820. These models also became more interpretable by emphasizing clinically significant factors. This study shows that general-domain LLMs, even without specific medical training, can effectively structure large-scale unstructured EHR data, substantially enhancing the accuracy and interpretability of clinical predictive models.

چکیده به فارسی (ترجمه ماشینی)

انتخاب دقیق بیمار در رادیوتراپی (RT) برای جلوگیری از درمان های ناکارآمد بسیار مهم است.مدل های پیش بینی بقا سنتی ، با تکیه بر داده های ساختار یافته ، اغلب فاقد دقت هستند.این مطالعه به بررسی پتانسیل مدلهای بزرگ زبان (LLM) برای ساختار داده های سوابق سلامت الکترونیکی بدون ساختار (EHR) می پردازد ، در نتیجه دقت پیش بینی بقا را از طریق ادغام جامع اطلاعات بالینی بهبود می بخشد.داده های 34276 بیمار تحت درمان با RT در مرکز سرطان Yonsei بین سالهای 2013 و 2023 مورد تجزیه و تحلیل قرار گرفتند که شامل داده های ساختاری و بدون ساختار است.از LLM منبع باز برای ساختار داده های EHR بدون ساختار از طریق یادگیری تک شات استفاده شد ، با عملکرد آن در مقایسه با یک LLM پزشکی خاص دامنه و یک نوع کوچکتر.مدل های پیش بینی بقا با استفاده از رویکردهای آماری ، یادگیری ماشین و یادگیری عمیق ، شامل داده های ساختاری و ساختار یافته LLM ساخته شده است.کارشناسان بالینی دقت داده های ساختار یافته LLM را ارزیابی کردند.منبع باز LLM در ساخت داده های EHR بدون ساختار بدون آموزش اضافی ، 87.5 ٪ به دست آورد ، به طور قابل توجهی از LLM پزشکی خاص دامنه ، که به دقت 35.8 ٪ رسیده است.LLM های بزرگتر به ویژه در استخراج ویژگی های بالینی مرتبط مانند شرایط عمومی و میزان بیماری ، که از نزدیک با بقای بیمار ارتباط دارد ، مؤثرتر بودند.ترکیب ویژگی های بالینی ساختار یافته LLM در مدلهای پیش بینی بقا به طور قابل توجهی دقت را بهبود می بخشد ، با شاخص C مدلهای یادگیری عمیق از 0.737 به 0.820 افزایش می یابد.این مدل ها همچنین با تأکید بر عوامل بالینی قابل توجه قابل تفسیر تر شدند.این مطالعه نشان می دهد که LLM های دامنه عمومی ، حتی بدون آموزش پزشکی خاص ، می توانند به طور موثری داده های EHR بدون ساختار در مقیاس بزرگ را ساختار دهند ، و به طور قابل توجهی دقت و تفسیر مدل های پیش بینی بالینی را افزایش می دهند.