Большие языковые модели с сохранением конфиденциальности для структурированного поиска медицинской информации

Большая часть клинической информации представлена в виде свободного текста и недоступна для количественного анализа. В настоящем исследовании представлен конвейер с открытым исходным кодом, использующий локально развернутую большую языковую модель (LLM) «Llama 2» для извлечения количественной информации из клинических текстов, а также оценивается ее эффективность при выявлении признаков декомпенсированного цирроза печени. Модель выявляла пять ключевых клинических признаков в режимах zero-shot и one-shot по 500 историям болезни пациентов из набора данных MIMIC-IV. Были сравнены большие языковые модели трех размеров и различные подходы к разработке промптов; полученные прогнозы сопоставлялись с эталонными оценками, установленными тремя независимыми медицинскими экспертами, не имевшими доступа к результатам модели. Предложенный конвейер продемонстрировал высокую точность: цирроз печени выявлялся с чувствительностью 100% и специфичностью 96%. При использовании модели с 70 миллиардами параметров также были получены высокие показатели чувствительности и специфичности при выявлении асцита (95%, 95%), спутанности сознания (76%, 94%), боли в животе (84%, 97%) и одышки (87%, 97%); эта модель превосходила версии меньшего размера. Результаты исследования демонстрируют возможность локально развернутых больших языковых моделей извлекать клиническую информацию из свободного текста при невысоких требованиях к аппаратному обеспечению.