韩国科学技术院、 三星医疗中心、麻省理工学院和多伦多大学推出EHRCon，关于电子健康记录（Electronic Health Records，简称EHRs）的数据一致性问题。EHRs是医院用来存储患者医疗记录的数字系统，其中既包括结构化数据（比如药物信息、诊断结果）也包括非结构化的临床笔记（比如医生的笔记）。这两种数据形式相互补充，为医生提供全面的患者信息。但是，由于设计上的不直观以及人为错误，这些数据之间常常出现不一致，这对患者安全构成了严重风险。
- 项目主页：https://ehrcon.github.io
- GitHub：https://github.com/dustn1259/EHRCon
论文的主要功能是介绍了一个新的数据集EHRCon和任务，它们专门设计用来确保EHRs中的结构化表格和非结构化笔记之间的数据一致性。EHRCon数据集是与医疗专业人员合作制作的，使用了MIMIC-III EHR数据集，并手动标注了105份临床笔记中的3943个实体，以检查它们与数据库记录的一致性。
主要特点包括：
- 双重模式：数据集包含两种模式，一种使用原始的MIMIC-III架构，另一种使用OMOP CDM架构，以提高其适用性和泛化能力。
- 大型语言模型的应用：利用大型语言模型（LLMs）的能力，提出了一个新的框架CheckEHR，用于验证临床笔记和数据库表之间的一致性。
工作原理是CheckEHR通过一个八阶段的过程来工作，包括笔记分割、命名实体识别、时间过滤、表格识别、伪表格创建、自我修正、值重格式化和查询生成。这些阶段利用了大型语言模型的上下文学习能力，以提高处理复杂任务的准确性和效率。
具体的应用场景包括：
- 临床记录审核：医生或系统可以使用CheckEHR来检查他们的临床笔记与EHRs数据库中的记录是否一致。
- 数据清洗：在将临床笔记输入到EHRs之前，可以使用这个框架来确保数据的准确性。
- 医疗质量改进：通过识别和纠正不一致的数据，可以提高医疗服务的质量和患者安全。
- 研究和分析：研究人员可以使用这个数据集和框架来分析EHRs数据的一致性问题，进而改进EHRs系统的设计。
例如，一个医生在临床笔记中记录了患者使用了某种药物和剂量，但是EHRs的数据库中记录的剂量不同，CheckEHR框架就能够识别出这种不一致，并提示医生或系统进行核对和修正。这样就能减少因数据不一致导致的医疗错误，提高患者治疗的安全性。
0条评论