Un grand modèle de langage prédit la réadmission des patients

La sortie de l'hôpital est une étape importante pour les patients, mais parfois, ce n'est pas la fin de leur chemin vers la guérison. Près de 15 % des patients hospitalisés aux États-Unis sont réadmis dans les 30 jours suivant leur sortie initiale, ce qui est souvent associé à de moins bons résultats et à des coûts plus élevés pour les patients et les hôpitaux.

Des chercheurs de NYU Langone Health, le centre médical universitaire de l'Université de New York, ont collaboré avec des experts NVIDIA pour développer un grand modèle linguistique (LLM) qui prédit le risque de réadmission d'un patient dans les 30 jours, ainsi que d'autres résultats cliniques.

Déployé dans les six établissements hospitaliers du système de santé, le modèle NYUTron - présenté aujourd'hui dans la revue scientifique Nature - fournit aux médecins des informations basées sur l'IA qui pourraient les aider à identifier les patients nécessitant une intervention clinique pour réduire la probabilité de réadmission.

"Lorsque vous sortez un patient de l'hôpital, vous ne vous attendez pas à ce qu'il revienne, ou vous auriez probablement dû le garder plus longtemps à l'hôpital", a déclaré le Dr Eric Oermann, professeur adjoint de radiologie et de neurochirurgie à la NYU Grossman School. of Medicine et un collaborateur principal sur NYUTron. "En utilisant l'analyse du modèle d'IA, nous pourrions bientôt donner aux cliniciens les moyens de prévenir ou de résoudre les situations qui exposent les patients à un risque plus élevé de réadmission."

Le modèle a jusqu'à présent été appliqué à plus de 50 000 patients sortis du système de santé de NYU, où il partage les prévisions de risque de réadmission avec les médecins via des notifications par e-mail. L'équipe d'Oermann prévoit ensuite un essai clinique pour tester si les interventions basées sur les analyses de NYUTron réduisent les taux de réadmission.

Le gouvernement américain suit les taux de réadmission sur 30 jours comme indicateur de la qualité des soins dispensés par les hôpitaux. Les établissements médicaux avec des taux élevés sont condamnés à une amende – un niveau de contrôle qui incite les hôpitaux à améliorer leur processus de sortie.

Il existe de nombreuses raisons pour lesquelles un patient récemment sorti peut devoir être réadmis à l'hôpital - parmi lesquelles une infection, une prescription excessive d'antibiotiques, des drains chirurgicaux retirés trop tôt. Si ces facteurs de risque peuvent être repérés plus tôt, les médecins pourraient intervenir en ajustant les plans de traitement ou en surveillant les patients hospitalisés plus longtemps.

"Bien qu'il existe des modèles informatiques pour prédire la réadmission des patients depuis les années 1980, nous traitons cela comme une tâche de traitement du langage naturel qui nécessite un corpus de textes cliniques à l'échelle du système de santé", a déclaré Oermann. "Nous avons formé notre LLM sur les données non structurées des dossiers de santé électroniques pour voir s'il pouvait capturer des informations que les gens n'avaient pas envisagées auparavant."

NYUTron a été préformé sur 10 ans de dossiers médicaux de NYU Langone Health : plus de 4 milliards de mots de notes cliniques représentant près de 400 000 patients. Le modèle a obtenu une amélioration de la précision de plus de 10 % par rapport à un modèle d'apprentissage automatique à la pointe de la technologie pour prédire la réadmission.

Une fois que le LLM a été formé pour le cas d'utilisation initial de la réadmission de 30 jours, l'équipe a pu développer quatre autres algorithmes prédictifs en une semaine environ. Il s'agit notamment de prédire la durée du séjour à l'hôpital d'un patient, la probabilité de mortalité à l'hôpital et les chances que les réclamations d'assurance d'un patient soient refusées.

"Gérer un hôpital, c'est à certains égards comme gérer un hôtel", a déclaré Oermann. "Les informations qui aident les hôpitaux à fonctionner plus efficacement signifient plus de lits et de meilleurs soins pour un plus grand nombre de patients."

NYUTron est un LLM avec des centaines de millions de paramètres, formés à l'aide du framework NVIDIA NeMo Megatron sur un grand cluster de GPU NVIDIA A100 Tensor Core.

"Une grande partie de la conversation autour des modèles de langage en ce moment concerne des modèles gargantuesques à usage général avec des milliards de paramètres, formés sur des ensembles de données désordonnés utilisant des centaines ou des milliers de GPU", a déclaré Oermann. "Nous utilisons plutôt des modèles de taille moyenne formés sur des données hautement raffinées pour accomplir des tâches spécifiques aux soins de santé."

Pour optimiser le modèle d'inférence dans les hôpitaux du monde réel, l'équipe a développé une version modifiée du logiciel open source NVIDIA Triton pour un déploiement simplifié du modèle d'IA à l'aide du kit de développement logiciel NVIDIA TensorRT.

"Pour déployer un modèle comme celui-ci dans un environnement de soins de santé en direct, il doit fonctionner efficacement", a déclaré Oermann. "Triton offre tout ce que vous voulez dans un cadre d'inférence, ce qui rend notre modèle extrêmement rapide."

L'équipe d'Oermann a découvert qu'après avoir préformé leur LLM, l'affiner sur place avec les données d'un hôpital spécifique a contribué à améliorer considérablement la précision - un trait qui pourrait aider d'autres établissements de santé à déployer des modèles similaires.

"Tous les hôpitaux n'ont pas les ressources nécessaires pour former un grand modèle de langage à partir de zéro en interne, mais ils peuvent adopter un modèle pré-formé comme NYUTron, puis l'affiner avec un petit échantillon de données locales à l'aide de GPU dans le cloud", a-t-il déclaré. . "C'est à la portée de presque tout le monde dans le domaine de la santé."

Pour en savoir plus sur NYUTron, lisez l'article Nature et regardez cette conférence NVIDIA et NYU à la demande.

Amener l'IA à l'école : une conversation avec Anant Agarwal du MIT

Qu'est-ce que la photogrammétrie ?

Une start-up piscicole lance l'IA pour rendre l'aquaculture plus efficace et durable

Un artiste technique construit un grand mammouth laineux avec NVIDIA Omniverse USD Composer cette semaine « dans le studio NVIDIA »

Microsoft Bing accélère la diffusion des publicités avec NVIDIA Triton