Zespół naukowców z University of Washington Medicine stworzył nowy system do przewidywania porażki ekstubacji - niebezpiecznego stanu, gdy pacjent nie jest w stanie samodzielnie oddychać po usunięciu tuby intubacyjnej. Metoda wykorzystuje duży model językowy do analizy wolnego tekstu z notek klinicznych terapeutów oddechowych, ekstrahując istotne cechy kliniczne, które następnie łączone są z danymi strukturalnymi pacjentów w modelu regresji logistycznej.
Mechaniczne wentylacja jest ratowniczym zabiegiem, ale bezpieczne i terminowe jej przerwanie jest kluczowe dla zdrowia pacjenta. Dotychczasowe podejścia opierały się głównie na danych strukturalnych z systemów medycznych, pomijając bogatą zawartość informacyjną notek tekstowych. Nowe podejście pokazuje, że Features wyodrębnione przez LLM z opisów terapeutów oddychowych istotnie poprawiają prognozowanie ryzyka porażki ekstubacji.
Badacze podkreślają jednak ważny problem w porównywaniu wyników między różnymi badaniami - heterogeniczne kryteria włączenia pacjentów i rozbieżne definicje porażki ekstubacji prowadzą do systematycznych różnic w wydajności modeli. To utrudnia generalizację wyników i wdrażanie w praktyce klinicznej. Standaryzacja tych elementów mogłaby istotnie wspomóc rozwój bardziej wiarygodnych narzędzi predykcyjnych dla tego krytycznego aspektu opieki intensywnej.