大規模言語モデルによる患者の再入院の予測

退院は患者にとって大きな節目ですが、それが回復への道の終わりではない場合もあります。 米国の入院患者の 15% 近くが最初の退院から 30 日以内に再入院しますが、これは多くの場合、転帰の悪化と患者と病院の両方の費用の増加につながります。

ニューヨーク大学の学術医療センターである NYU Langone Health の研究者は、NVIDIA の専門家と協力して、患者の 30 日再入院のリスクやその他の臨床転帰を予測する大規模言語モデル (LLM) を開発しました。

医療システムの 6 つの入院施設に導入された NYUTron モデルは、本日科学雑誌 Nature に掲載されましたが、医師に AI を活用した洞察を提供し、再入院の可能性を減らすために臨床介入が必要な患者を特定するのに役立ちます。

ニューヨーク大学グロスマン・スクールの放射線科および脳神経外科の助教授、エリック・オーマン博士は、「患者を退院させるとき、患者が病院に戻る必要はないと予想する。そうでなければ、おそらくもっと長く入院させておくべきだった」と語った。医学博士であり、NYUTron の主任共同研究者でもあります。 「AI モデルによる分析を利用すれば、臨床医が患者を再入院のリスクを高める状況を防止または修正できるようになる可能性が間もなく実現します。」

このモデルはこれまでニューヨーク大学の医療システムで 50,000 人以上の退院患者に適用されており、電子メール通知を通じて再入院リスクの予測を医師と共有しています。 Oermann氏のチームは次に、NYUTronの分析に基づく介入が再入院率を低下させるかどうかをテストする臨床試験を計画している。

米国政府は、病院が提供するケアの質の指標として 30 日間の再入院率を追跡しています。 率が高い医療機関には罰金が科せられますが、これは病院が退院プロセスを改善するよう奨励するレベルの監視です。

最近退院した患者が再入院する必要がある理由はたくさんあります。その中には、感染症、抗生物質の過剰処方、外科的ドレーンの抜去が早すぎたなどが挙げられます。 これらの危険因子を早期に発見できれば、医師は治療計画を調整したり、入院中の患者を長期間監視したりすることで介入できる可能性がある。

「1980年代以来、患者の再入院を予測する計算モデルは存在していましたが、私たちはこれを医療システム規模の臨床テキストのコーパスを必要とする自然言語処理タスクとして扱っています」とOermann氏は述べた。 「私たちは電子医療記録の非構造化データを使って LLM をトレーニングし、これまで人々が考慮していなかった洞察を得ることができるかどうかを確認しました。」

NYUTron は、NYU Langone Health からの 10 年間の健康記録、つまり約 40 万人の患者を表す 40 億語を超える臨床記録に基づいて事前トレーニングされました。 このモデルは、再入院を予測する最先端の機械学習モデルと比較して 10% 以上の精度向上を達成しました。

LLM が 30 日間の再入院の最初のユースケースに合わせてトレーニングされると、チームは約 1 週間で他の 4 つの予測アルゴリズムをスピンアウトすることができました。 これらには、患者の入院期間、院内死亡の可能性、患者の保険請求が拒否される可能性の予測が含まれます。

「病院の経営は、ある意味、ホテルの経営に似ています」とオールマン氏は言う。 「病院の効率的な運営に役立つ洞察は、ベッド数を増やし、より多くの患者に対するより良いケアを意味します。」

NYUTron は、NVIDIA A100 Tensor コア GPU の大規模クラスター上で NVIDIA NeMo Megatron フレームワークを使用してトレーニングされた、数億のパラメーターを持つ LLM です。

「現在、言語モデルをめぐる話題の多くは、数百、数千のGPUを使用して乱雑なデータセットでトレーニングされた、数十億のパラメーターを備えた巨大な汎用モデルに関するものです」とオーマン氏は述べた。 「代わりに、高度に洗練されたデータに基づいてトレーニングされた中規模のモデルを使用して、医療固有のタスクを実行しています。」

実際の病院での推論用にモデルを最適化するために、チームは、NVIDIA TensorRT ソフトウェア開発キットを使用して合理化された AI モデル展開を実現する NVIDIA Triton オープンソース ソフトウェアの修正バージョンを開発しました。

「このようなモデルを実際の医療環境に導入するには、効率的に実行する必要があります」と Oermann 氏は言います。 「Triton は推論フレームワークに必要なものすべてを提供し、モデルを超高速に実行します。」

Oermann 氏のチームは、LLM を事前トレーニングした後、特定の病院のデータを使用してオンサイトで LLM を微調整すると、精度が大幅に向上することを発見しました。この特性は、他の医療機関が同様のモデルを導入するのに役立つ可能性があります。

「すべての病院が大規模な言語モデルを社内で一からトレーニングするためのリソースを持っているわけではありませんが、NYUTron のような事前トレーニング済みモデルを採用し、クラウド上の GPU を使用してローカル データの小さなサンプルで微調整することは可能です」と同氏は述べています。 。 「それは医療従事者のほぼ全員が達成できる範囲です。」

NYUTron について詳しく知りたい場合は、Nature の論文を読み、NVIDIA とニューヨーク大学のこの対談をオンデマンドでご覧ください。

信頼できるリンク: Steam、Epic Games Store、Ubisoft アカウントを GeForce NOW でリンクすることで、より速くゲームに参加できます

AI を学校に導入: MIT のアナント・アガルワル氏との会話

フォトグラメトリとは何ですか?

養殖スタートアップ企業が AI を導入して水産養殖をより効率的かつ持続可能に

テクニカル アーティストが今週「NVIDIA Studio で」NVIDIA Omniverse USD Composer を使用してグレート ケナガマンモスを構築