El artículo presenta EHRBench, un benchmark automatizado y fiable basado en registros de salud electrónicos (EHR) para evaluar LLMs en la toma de decisiones clínicas, abordando la falta de comprensión sobre su fiabilidad en tareas clínicas reales. Este benchmark busca asegurar tanto la escala como la calidad en la evaluación de modelos de CDM.
El artículo presenta ClinicalBench, un nuevo benchmark de 400 preguntas para evaluar la recuperación sensible a afirmaciones en la respuesta a preguntas clínicas en MIMIC-IV usando notas de historias clínicas electrónicas reales. También describe EpiKG, un sistema de grafo de conocimiento del paciente que mejora la recuperación al considerar la negación y la temporalidad, mostrando una mejora significativa en el rendimiento de los LLMs clínicos.
HypEHR es un modelo compacto que emplea geometría hiperbólica para la respuesta a preguntas sobre Registros Médicos Electrónicos (EHR), superando los desafíos de costo y estructura jerárquica de los métodos basados en LLM. Se preentrena para la predicción de diagnósticos y la alineación con ontologías médicas, logrando un rendimiento comparable al de los LLM con muchos menos parámetros.
Esta investigación presenta "Schema-Adaptive Tabular Representation Learning", un método novedoso que utiliza Large Language Models (LLMs) para crear embeddings tabulares transferibles. Al transformar variables estructuradas en declaraciones semánticas de lenguaje natural, permite la alineación zero-shot entre esquemas de EHR variables en medicina clínica, sin ingeniería de características manual.
GraphDiffMed es un nuevo marco para la recomendación de combinaciones de medicamentos seguras y efectivas a partir de registros de salud electrónicos. Utiliza atención diferencial de doble escala para filtrar señales espurias e incorpora restricciones farmacológicas durante el aprendizaje, mejorando la calidad de la recomendación.
Esta investigación valida un algoritmo de deep learning para la evaluación del riesgo de glaucoma utilizando registros electrónicos de salud sistémicos. El modelo, ajustado con datos de pacientes de Stanford, logró un AUROC de 0.883 y un PPV de 0.657, mostrando un gran potencial para la detección previa escalable y accesible.