JAMA:利用大语言模型从入院记录中提取败血症症状——也许人工智能知道我们所不知道的事情

临床医生不喜欢败血症，因为它很常见，死亡风险高，而且难以定义。几乎任何症状都可能与败血症相关[1]，这意味着没有一种症状可以用来确诊或排除该诊断。基本上，如果临床医生怀疑患者可能患有败血症，那么就可以认定患者患有败血症。

与此同时，与败血症相关的临床表现具有临床意义[2]。通过指向感染的潜在部位和来源，这些症状可以指导进行哪些影像学检查、使用哪些抗生素，以及是否需要进行侵入性操作以实现感染源控制。要理解症状的重要性，最简单的方法是考虑当患者病史不可用或不具有提示性时，如何治疗败血症。大多数病因未明的败血症患者会接受抗耐甲氧西林金黄色葡萄球菌（MRSA）和抗假单胞菌抗生素的联合治疗，例如静脉注射万古霉素和哌拉西林 – 他唑巴坦，而根据最终培养结果，这种治疗方案几乎从来没有合理性[3]。

因此，一种能够有效识别败血症体征和症状的工具，可能有助于了解早期败血症治疗的最佳方法。帕克（Pak）等人[4]评估了使用一种公开可用的大语言模型（LLaMA 3）来完成这项任务的可行性。他们的研究详细描述了研究方法，结果表明，该大语言模型能够以与医生进行病历审查相当的准确率，从入院现病史中检测和提取严重感染的体征和症状。大语言模型对体征和症状的分类与就诊级别的国际疾病分类第十版临床修订本诊断代码以及临床培养中分离出的特定耐药细菌亚型的存在情况相关，从而进一步确立了该大语言模型输出结果的构念效度。

目前，帕克等人[4]研究中探索的方法应用似乎最适合用于研究。即使是ACORN（抗生素选择对肾脏结局的影响）试验，该试验创造性地利用电子健康记录的特征来招募和随机分配败血症患者，也需要人工审查患者的病历并确定感染源[5]。然而，人工病历审查既耗时又主观。利用大语言模型实现这一过程的自动化，可以使类似研究在更大规模上开展。此外，败血症具有显著的异质性。实时提取患者病史的关键方面，最好是在研究入组之前进行，这样可以使前瞻性试验根据特定的败血症表型来设定纳入和排除标准。

另一方面，其潜在的临床应用仍不明确。预测败血症患者需要哪种抗生素治疗是困难的[3]。帕克等人[4]成功地利用大语言模型提取的体征和症状将患者归类为不同的感染综合征，但识别咳嗽和呼吸困难可能代表肺炎，这可能是大多数临床医生都能做到的。为了指导更复杂的治疗决策，例如根据耐药病原体的风险选择经验性抗生素，大语言模型还需要提取合并症、医疗暴露史和既往治疗史等信息。此外，还需要在不同患者人群中进行验证。现有的正在开发的工具，在基于培养结果呈阳性的队列构建时，能够合理地估计耐药情况。然而，当将这些工具应用于实际患者（其中许多患者培养结果呈阴性）时，其阳性预测值会降低。一个高估耐药风险的模型可能会导致不必要的广谱抗生素使用持续存在。

临床决策支持工具通常仅限于使用电子健康记录中的结构化数据元素，而这些数据元素在相关字段（如院前来源）方面可能不准确[6]。更新颖、更复杂的深度学习模型可能利用现有结构化数据的层次结构和模式来克服数据质量问题并提高性能。随着进一步的发展，基于大语言模型的工具将成为另一种极具吸引力的选择。一个大语言模型，利用来自临床记录的所有可用医学信息，包括与主观症状相关的非结构化数据以及病史、生命体征和实验室结果等结构化数据，可能优于仅使用结构化数据的任何工具。

因此，我们推测，无论是用于研究还是临床护理，基于大语言模型的工具最终将使临床医生能够改善与败血症相关的临床决策。但同样重要的是要承认，过度依赖人工智能（AI）可能会带来问题。根据目前可用或正在开发的工具，一个非人类实体可能会指导或自动完成病史采集、鉴别诊断生成、病历记录转录以及后续的临床决策。在每一步，我们预计人工智能可能会产生一种使患者及其故事看起来比实际情况更加同质化的效果。临床医生和研究人员希望相信人工智能将揭示出人类思维原本无法察觉的深刻真相，但一个将细致的患者叙述总结和提炼为一组5到10个症状的工具，严格来说仅关注表面信息。

最新的《拯救脓毒症运动指南》[7]建议，在识别出可能的脓毒性休克或高度疑似败血症后1小时内，除其他干预措施外，应开始使用抗生素治疗。为了满足这一时间要求，临床决策可能会很仓促且是反射性的（例如，使用万古霉素和哌拉西林 – 他唑巴坦）。因此，可以合理地预期，当识别和应对新发败血症时，大语言模型的表现可能与人类临床医生相当或接近。然而，尽管大语言模型在资格考试中表现良好，但在目前状态下，它们可能不具备处理真正诊断不确定性的能力。在设计用于模拟临床场景的模拟病例中，大语言模型无法诊断或遵循常见临床表现的指南[8]。就目前而言，人工智能似乎更适合自动化简单任务，例如提取体征和症状，而不是参与临床决策。