Учёные Тартуского университета применили языковые модели для выявления причин отмены лекарств

Учёные института компьютерных наук Тартуского университета показали, что большие языковые модели способны с высокой точностью определять по электронным заметкам врачей, почему пациенты прекращают принимать лекарства. В исследовании были объединены данные о рецептах десяти процентов населения Эстонии за 2012–2019 годы и клинические записи. Метод открывает новые возможности для использования медицинской информации, которая прежде с трудом поддавалась анализу.

Исследовательская группа по медицинской информатике института компьютерных наук Тартуского университета доказала в новом исследовании, что большие языковые модели способны с высокой точностью находить в электронных заметках врачей причины, по которым пациенты прекращают принимать лекарства. Исследование было сосредоточено главным образом на препаратах от диабета и статинах.

Данные и метод

В масштабной научной работе были объединены данные о рецептах десяти процентов населения Эстонии за 2012–2019 годы и клинические записи, составленные врачами. На первом этапе исследования были отобраны пациенты, которые как минимум в течение одного года не получали в аптеке назначенный им препарат. Затем применялись большие языковые модели для выявления в записях фраз, связанных с прекращением лечения, конкретных причин, а также того, кто инициировал отмену терапии — сам пациент или врач.

«Из данных о рецептах мы видим, что лекарство не было получено, однако причина нередко указана в заметках врача. До сих пор использовать эту информацию удавалось лишь в очень ограниченном объёме, поскольку ручная обработка историй болезней чрезвычайно трудоёмка», — пояснил младший научный сотрудник по медицинской информатике Тартуского университета Хендрик Шувалов.

Конфиденциальность и выбор моделей

Для обеспечения безопасности персональных данных пациентов большая часть анализа проводилась в закрытой среде с использованием языковой модели Llama-3.1-70B. Для сравнения применялась также известная модель GPT-4o, однако для анализа ей передавались только тексты, предварительно вручную проверенные и полностью очищенные от чувствительных персональных данных.

Почему это важно

Исследование показывает, как искусственный интеллект может помочь системе здравоохранения лучше понять приверженность лечению — то есть причины, по которым пациенты не выполняют назначенные предписания. Это широко распространённая в медицине проблема, влияющая как на результаты лечения, так и на расходы на здравоохранение. Метод позволяет систематически анализировать и использовать клиническую информацию, которая прежде была труднодоступна, в интересах развития медицины.