Neues multimodales Modell verbessert Analyse und Erzählung von EHR‑Daten

Elektronische Gesundheitsakten (EHR) enthalten sowohl strukturierte Daten wie Demografie, Vitalwerte und Laborergebnisse als auch unstrukturierte klinische Notizen. Die Herausforderung besteht darin, diese heterogenen Informationen sinnvoll zu nutzen, um die Patientenversorgung zu optimieren. Das neue Modell „Generative Deep Patient“ (GDP) kombiniert moderne Techniken aus der KI, um genau diese Aufgabe anzugehen.

GDP verwendet einen CNN‑Transformer‑Encoder, um strukturierte Zeitreihen aus den EHRs direkt zu verarbeiten, und integriert sie anschließend über cross‑modal Attention mit den unstrukturierten Textdaten. Der Decoder basiert auf der LLaMA‑Architektur und ermöglicht die Erzeugung von klinischen Erzählungen sowie die Vorhersage von Diagnosen.

Das Training erfolgt in zwei Phasen: Zunächst wird GDP generativ vortrainiert, indem es aus rohen Patiententimelines klinische Narrative erstellt und gleichzeitig Masked Feature Prediction sowie Next‑Time‑Step Prediction durchführt, um zeitliche Dynamiken zu erfassen. Anschließend wird das Modell für mehrere klinische Aufgaben feinabgestimmt, darunter die Vorhersage von Herzinsuffizienz, Typ‑2‑Diabetes und 30‑Tage‑Readmissionen.

In Tests auf dem MIMIC‑IV‑Datensatz erzielte GDP beeindruckende Ergebnisse: AUROC von 0,923 bei Herzinsuffizienz, 0,817 bei Typ‑2‑Diabetes und 0,627 bei 30‑Tage‑Readmissionen. Für die Generierung von Erzählungen erreichte das Modell ROUGE‑L‑Wert von 0,135 und BERTScore‑F1 von 0,545. Eine blind durchgeführte menschliche Bewertung zeigte, dass die „GDP‑Instruct“-Variante die höchste Glaubwürdigkeit aufwies.