NYU, NVIDIA collaborano su un grande modello di lingua per prevedere il ricovero del paziente.

'NYU, NVIDIA collaborano su modello di lingua per prevedere ricovero paziente.'

L’essere dimessi dall’ospedale è un traguardo importante per i pazienti, ma a volte non è la fine del loro percorso di guarigione. Quasi il 15% dei pazienti ospedalizzati negli Stati Uniti viene riammesso entro 30 giorni dalla dimissione iniziale, il che è spesso associato a peggiori risultati e costi più elevati sia per i pazienti che per gli ospedali.

Ricercatori del NYU Langone Health, il centro medico accademico dell’Università di New York, hanno collaborato con esperti NVIDIA per sviluppare un grande modello di linguaggio (LLM) in grado di prevedere il rischio di riammissione del paziente entro 30 giorni, nonché altri risultati clinici.

Implementato nei sei impianti ospedalieri del sistema sanitario, il modello NYUTron – presentato oggi sulla rivista scientifica Nature – fornisce ai medici informazioni guidate dall’IA che potrebbero aiutarli a identificare i pazienti che necessitano di un intervento clinico per ridurre la probabilità di riammissione.

“Quando si dimette un paziente dall’ospedale, non ci si aspetta che debba tornare, o probabilmente si sarebbe dovuto tenerlo in ospedale più a lungo”, ha detto il dottor Eric Oermann, professore assistente di radiologia e neurochirurgia presso la NYU Grossman School of Medicine e uno dei principali collaboratori di NYUTron. “Utilizzando l’analisi del modello di IA, potremmo presto fornire ai medici gli strumenti per prevenire o risolvere situazioni che mettono i pazienti a maggior rischio di riammissione”.

• Integrare gli esseri umani con l’AI nella progettazione strutturale.
• Creazione di un vaccino versatile per affrontare il Covid-19 nelle sue molteplici forme
• Estrazione dei giusti metalli di transizione in uno spazio chimico vasto.

Finora il modello è stato applicato a oltre 50.000 pazienti dimessi nel sistema sanitario della NYU, dove condivide le previsioni del rischio di riammissione con i medici tramite notifiche via email. Il team di Oermann sta pianificando un prossimo trial clinico per testare se le integrazioni basate sulle analisi di NYUTron riducono i tassi di riammissione.

Affrontare la minaccia della riammissione rapida e altro ancora

Il governo degli Stati Uniti monitora i tassi di riammissione entro 30 giorni come indicatore della qualità dell’assistenza fornita dagli ospedali. Le istituzioni mediche con tassi elevati vengono multate, un livello di scrutinio che incentiva gli ospedali a migliorare il processo di dimissione.

Ci sono molte ragioni per cui un paziente appena dimesso potrebbe aver bisogno di essere riammesso in ospedale, tra cui infezioni, sovraprescrizione di antibiotici, drenaggi chirurgici rimossi troppo presto. Se questi fattori di rischio possono essere individuati in anticipo, i medici potrebbero intervenire adeguando i piani di trattamento o monitorando i pazienti in ospedale per un periodo più lungo.

“Sebbene ci siano modelli computazionali per prevedere la riammissione del paziente fin dagli anni ’80, stiamo trattando questo come un compito di elaborazione del linguaggio naturale che richiede un corpus di testo clinico su scala del sistema sanitario”, ha detto Oermann. “Abbiamo addestrato il nostro LLM sui dati non strutturati delle cartelle cliniche elettroniche per verificare se potesse catturare informazioni che non erano state considerate prima”.

NYUTron è stato preaddestrato su 10 anni di cartelle cliniche della NYU Langone Health: più di 4 miliardi di parole di note cliniche che rappresentano quasi 400.000 pazienti. Il modello ha ottenuto un miglioramento dell’accuratezza di oltre il 10% rispetto a un modello di apprendimento automatico all’avanguardia per prevedere la riammissione.

Dopo aver addestrato l’LLM per l’uso iniziale della riammissione entro 30 giorni, il team è stato in grado di sviluppare in circa una settimana altri quattro algoritmi predittivi. Questi includono la previsione della durata del ricovero in ospedale di un paziente, la probabilità di mortalità in ospedale e le probabilità che le richieste di assicurazione di un paziente vengano respinte.

“Gestire un ospedale è in qualche modo simile alla gestione di un hotel”, ha detto Oermann. “Le informazioni che aiutano gli ospedali a operare in modo più efficiente significano più posti letto e una migliore assistenza per un numero maggiore di pazienti”.

Dall’addestramento alla distribuzione di un LLM

NYUTron è un LLM con centinaia di milioni di parametri, addestrato utilizzando il framework NVIDIA NeMo Megatron su un grande cluster di GPU NVIDIA A100 Tensor Core.

“Gran parte della conversazione attorno ai modelli di linguaggio in questo momento riguarda modelli generali giganteschi con miliardi di parametri, addestrati su dataset disordinati utilizzando centinaia o migliaia di GPU”, ha detto Oermann. “Stiamo invece utilizzando modelli di medie dimensioni addestrati su dati altamente raffinati per raggiungere obiettivi specifici dell’assistenza sanitaria”.

Per ottimizzare il modello per l’elaborazione in tempo reale nei veri ospedali, il team ha sviluppato una versione modificata del software open source NVIDIA Triton per la distribuzione semplificata di modelli di IA utilizzando il kit di sviluppo software NVIDIA TensorRT.

“Per distribuire un modello come questo in un ambiente sanitario attivo, deve funzionare in modo efficiente”, ha detto Oermann. “Triton offre tutto ciò che si desidera in un framework di elaborazione, rendendo il nostro modello incredibilmente veloce”.

Il team di Oermann ha scoperto che dopo il preaddestramento del loro LLM, la messa a punto sul sito con i dati specifici dell’ospedale ha contribuito in modo significativo ad aumentare l’accuratezza, un tratto che potrebbe aiutare altre istituzioni sanitarie a implementare modelli simili.

“Non tutti gli ospedali hanno le risorse per addestrare un grande modello linguistico da zero internamente, ma possono adottare un modello preaddestrato come NYUTron e poi affinarlo con un piccolo campione di dati locali utilizzando le GPU nel cloud”, ha detto. “Questo è alla portata di quasi tutti nel settore sanitario.”

Per saperne di più su NYUTron, leggi l’articolo di Nature e guarda questa presentazione NVIDIA e NYU on demand.