Объявление

**Oscar Smith** · 06-10-2023, 06:12 PM

Нью-Йоркский университет и NVIDIA сотрудничают в создании большой языковой модели для прогнозирования реадмиссии пациентов.

NYUTron, модель ИИ, о которой рассказывается в журнале Nature, развернута в NYU Langone Health.

Выписка из больницы является важным событием для пациентов, но иногда это не конец их пути к выздоровлению. Почти 15% пациентов больниц в США повторно госпитализируются в течение 30 дней после первоначальной выписки, что часто связано с худшими результатами и большими расходами как для пациентов, так и для больниц.

Исследователи из NYU Langone Health, академического медицинского центра Нью-Йоркского университета, в сотрудничестве с экспертами NVIDIA разработали большую языковую модель (LLM), которая предсказывает риск повторной госпитализации пациента в течение 30 дней, а также другие клинические результаты.

Развернутая в шести стационарных учреждениях системы здравоохранения, модель NYUTron, о которой сегодня рассказывается в научном журнале Nature, предоставляет врачам основанные на ИИ данные, которые могут помочь им определить пациентов, нуждающихся в клиническом вмешательстве для снижения вероятности повторной госпитализации.

"Когда вы выписываете пациента из больницы, вы не ожидаете, что ему понадобится вернуться, или, возможно, вам следовало бы продержать его в больнице дольше", - сказал доктор Эрик Оерманн, доцент радиологии и нейрохирургии в Школе медицины Гроссмана Нью-Йоркского университета и ведущий сотрудник NYUTron. "Используя анализ, проведенный с помощью модели искусственного интеллекта, мы вскоре сможем дать врачам возможность предотвращать или исправлять ситуации, в которых пациенты подвергаются повышенному риску повторной госпитализации".

На данный момент модель была применена к более чем 50 000 пациентов, выписанных из системы здравоохранения Нью-Йоркского университета, где она делится прогнозами риска реадмиссии с врачами посредством уведомлений по электронной почте. Далее команда Оерманна планирует провести клинические испытания, чтобы проверить, снижают ли вмешательства, основанные на анализе NYUTron, уровень реадмиссии.

Борьба с угрозой быстрой реадмиссии и многое другое

Правительство США отслеживает показатели 30-дневной реадмиссии как индикатор качества лечения, предоставляемого больницами. Медицинские учреждения с высокими показателями штрафуются - такой уровень контроля стимулирует больницы к улучшению процесса выписки.

Существует множество причин, по которым недавно выписанному пациенту может потребоваться повторная госпитализация - среди них инфекция, чрезмерное назначение антибиотиков, слишком рано удаленные хирургические дренажи. Если эти факторы риска могут быть выявлены раньше, врачи могут вмешаться, скорректировав планы лечения или дольше наблюдая за пациентами в больнице.

"Хотя вычислительные модели для прогнозирования реадмиссии пациентов существуют с 1980-х годов, мы рассматриваем это как задачу обработки естественного языка, для решения которой необходим корпус клинических текстов в масштабах системы здравоохранения", - сказал Оерманн. "Мы обучили наш LLM на неструктурированных данных электронных медицинских карт, чтобы посмотреть, сможет ли он уловить суть, которую люди раньше не рассматривали".

NYUTron была предварительно обучена на 10-летних медицинских записях из NYU Langone Health: более 4 миллиардов слов клинических записей, представляющих почти 400 000 пациентов. Модель достигла точности более чем на 10 процентов по сравнению с самой современной моделью машинного обучения для прогнозирования реадмиссии.

После того, как LLM была обучена для первоначального варианта использования - 30-дневной реадмиссии, команда смогла создать четыре других алгоритма прогнозирования примерно за неделю. К ним относятся прогнозирование продолжительности пребывания пациента в больнице, вероятности внутрибольничной смертности и вероятности отказа в страховом возмещении.

"Управление больницей в некотором смысле похоже на управление отелем", - говорит Оерманн. "Информация, которая помогает больницам работать более эффективно, означает больше коек и лучший уход для большего числа пациентов".

Переход LLM от обучения к развертыванию

NYUTron - это LLM с сотнями миллионов параметров, обученный с помощью фреймворка NVIDIA NeMo Megatron на большом кластере графических процессоров NVIDIA A100 Tensor Core.

"Большая часть разговоров о языковых моделях сейчас ведется вокруг гигантских моделей общего назначения с миллиардами параметров, обученных на грязных наборах данных с помощью сотен или тысяч GPU", - сказал Оерманн. "Вместо этого мы используем модели среднего размера, обученные на очень точных данных, для решения задач, специфичных для здравоохранения".

Чтобы оптимизировать модель для выводов в реальных больницах, команда разработала модифицированную версию программного обеспечения NVIDIA Triton с открытым исходным кодом для упрощенного развертывания моделей ИИ с помощью набора средств разработки NVIDIA TensorRT.

"Чтобы развернуть такую модель в реальной медицинской среде, она должна работать эффективно", - сказал Оерманн. "Triton предоставляет все, что нужно в системе выводов, делая нашу модель молниеносно быстрой".

Команда Оерманна обнаружила, что после предварительного обучения их LLM, ее тонкая настройка на месте с использованием данных конкретной больницы помогла значительно повысить точность - эта особенность может помочь другим медицинским учреждениям развернуть подобные модели.

"Не у всех больниц есть ресурсы для обучения большой языковой модели с нуля своими силами, но они могут взять на вооружение предварительно обученную модель типа NYUTron и затем доработать ее на небольшой выборке местных данных с помощью графических процессоров в облаке", - сказал он. "Это доступно практически каждому в здравоохранении".

**Oscar Smith** · 06-12-2023, 07:07 AM

Компания Google обновила свою нейросеть Bard.

Что нового?

1. Более релевантные ответы с информацией о местоположении

Что: Bard может начать предоставлять более релевантные ответы, если вы разрешите ему использовать точное местоположение вашего устройства. Вы можете управлять своими предпочтениями в настройках местоположения.
Зачем: Точное местоположение помогает Bard предоставлять более релевантные ответы о ресторанах поблизости и многом другом, что касается вашего региона.

2. Bard коды для вас для улучшения математики и анализа данных

Что: Начиная с английского языка, мы обновили Bard для обнаружения вычислительных подсказок и запуска кода в фоновом режиме, благодаря чему Bard лучше справляется с математическими задачами, вопросами по кодированию и манипуляциями со строками.
Зачем: Мы повышаем вашу способность анализировать данные, делая Bard лучше в вычислениях, например, в поиске того, сколько раз определенное число встречается в наборе данных. Bard не всегда будет делать это правильно, но будет постоянно совершенствоваться благодаря вашей обратной связи.

3. Экспорт таблиц, сгенерированных Bard, в Google Sheets

Что: Когда Bard создает таблицы, теперь вы можете экспортировать их прямо в Google Sheets.
Зачем: Продолжайте свои творческие изыскания везде, где вам нужно, перемещая ответы Bard в другие ваши любимые приложения.

Обо всех обновлениях читайте здесь - What's new with Bard. Пока нужен VPN, чтобы соединиться с Bard через американские или британские IP адреса.

Объявление

Super Meta

Super Meta

Комментарий

Комментарий