利用大语言模型对脓毒症队列进行综合征分析
这项回顾性队列研究纳入5家医院104 248例疑似感染成人患者,用LLaMA 3 8B从入院记录中提取症状,验证准确率99.3%,并将30个最常见症状聚类为7个综合征。皮肤软组织症状与MRSA培养阳性独立相关(AOR 1.73),尿路症状与MRSA负相关(AOR 0.34);心肺症状与住院死亡率升高相关(AOR 1.30)。作者认为该 scalable 方法为脓毒症表型分析和个体化抗生素选择提供了基础,但需进一步研究。
要点
- 在303份随机入院记录人工验证中,LLM标签准确率99.3%(95%CI 99.2%-99.3%),敏感度69.7%,特异度99.6%,与医生间一致性(κ=0.73)相近。
- 93 674例中发热38.7%、呼吸困难27.3%、咳嗽25.6%最常见;30个症状聚类为7个综合征,其中4个对应皮肤软组织、心肺、胃肠道和尿路感染源。
- 皮肤软组织症状与MRSA培养阳性独立相关(AOR 1.73;95%CI 1.49-2.00),尿路症状(AOR 0.34;95%CI 0.22-0.50)和胃肠道症状(AOR 0.63;95%CI 0.54-0.73)与MRSA负相关。
- 心肺症状与住院死亡率升高独立相关(AOR 1.30;95%CI 1.17-1.45),尿路症状(AOR 0.71;95%CI 0.55-0.92)和全身症状(AOR 0.83;95%CI 0.76-0.91)与死亡率降低相关。
- 作者认为,基于症状的综合征数据可能有助于进一步定制脓毒症经验性抗生素指南,并应纳入未来脓毒症风险预测和因果推断模型。
适用人群与场景
- 纳入2015年6月1日至2022年8月1日经急诊科收治于5家Mass General Brigham医院、年龄≥18岁的成人患者。
- 可能感染定义为急诊到达后24小时内采集至少1次血培养并给予静脉抗生素。
- 排除标准:到达后6小时内接受舒适治疗或死亡、外院转入、入住精神科或产科、急诊到达后12小时内缺少关键实验室或生命体征、既往接受过抗生素。
诊断标准与关键阈值
- 脓毒症无休克22.7%(23 619例),脓毒症休克24.9%(25 990例)。
- MRSA培养阳性定义为急诊到达后72小时内至少1次临床培养分离出MRSA;MDRGN定义为急诊到达后72小时内至少1次培养分离出耐头孢曲松革兰阴性菌、耐氨苄西林-舒巴坦不动杆菌或产AmpC肠杆菌目。
研究设计与关键结果
- 回顾性队列研究,纳入104 248例疑似感染成人,中位年龄66岁(IQR 52-78),男性54 137例(51.9%),5家医院。
- LLM(LLaMA 3 8B)对94 913例中93 674例(98.7%)的入院记录完成症状标注;52 027例(55.5%)有至少1次阳性培养,其中MRSA 1903例(2.0%),MDRGN 8617例(9.2%);住院死亡率4.8%(4464/93 674)。
- 与医生病历回顾相比,LLM标注准确率99.3%(95%CI 99.2%-99.3%)、平衡准确率84.6%(95%CI 83.5%-85.8%)、阳性预测值68.4%(95%CI 66.0%-70.7%)、敏感度69.7%(95%CI 67.3%-72.0%)、特异度99.6%(95%CI 99.6%-99.6%)。
- LLM与主要医生审阅者间Cohen κ为0.69(95%CI 0.67-0.70),两名医生审阅者间Cohen κ为0.73(95%CI 0.70-0.76)。
- MRSA培养阳性:皮肤软组织症状AOR 1.73(95%CI 1.49-2.00);尿路症状AOR 0.34(95%CI 0.22-0.50);胃肠道症状AOR 0.63(95%CI 0.54-0.73);头晕AOR 0.68(95%CI 0.48-0.95)。
- MDRGN培养阳性:皮肤软组织症状AOR 0.85(95%CI 0.79-0.93);心肺症状AOR 0.76(95%CI 0.71-0.82);头晕AOR 0.74(95%CI 0.64-0.86);尿路症状AOR 1.26(95%CI 1.13-1.41);胃肠道症状AOR 1.14(95%CI 1.06-1.22);全身症状AOR 1.12(95%CI 1.04-1.21)。
- 住院死亡率:心肺症状AOR 1.30(95%CI 1.17-1.45);尿路症状AOR 0.71(95%CI 0.55-0.92);全身症状AOR 0.83(95%CI 0.76-0.91)。
证据类型、等级与局限
- 证据类型:回顾性队列研究,遵循STROBE报告规范。
- 局限:LLM方法和医生病历回顾均受临床记录症状质量限制,无法沟通的患者(如危重患者)某些症状可能被系统性排除;症状主观,临床医生对术语含义和上下文推断存在分歧,导致标注和症状词表构建存在变异性;LLM黑箱性质限制了对LLM与医生标签差异原因的理解;尽管调整了综合混杂因素,仍不能排除残余混杂;数据来自美国1个区域卫生系统,但使用未微调的公开LLM提示该方法可能推广至其他环境。
- 作者结论:需进一步研究评估大规模症状数据作为中介或混杂因素在疑似脓毒症患者抗生素选择、有效性和结局模型中的附加价值。
对床旁实践的改变
- 作者认为,某些症状与特定耐药菌风险较低相关(尿路症状对MRSA;蜂窝织炎症状对MDRGN),提示脓毒症经验性抗生素指南可能可利用就诊症状进一步定制。
- 作者认为,尿路或全身症状与死亡率风险降低相关,提示广泛激进的脓毒症治疗方案在这些亚组中可能意外导致较不利的获益-风险比。
- 作者认为,未来脓毒症风险预测和因果推断模型应纳入症状,并评估在经验性抗生素时机和选择共识指南中加入基于症状标准的潜在获益和风险。
提炼说明
- 原文未涉及「处置流程与药物剂量」「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目。
全文中译14 节 · 点击展开
引言
脓毒症占全球所有死亡人数的20%。1 它在大范围抗菌药物使用中也起着主要作用,部分原因是治疗指南和质量指标建议对所有可能患有脓毒症的患者在识别后1至3小时内使用广谱抗生素。2,3,4 经验性治疗通常包括覆盖耐甲氧西林金黄色葡萄球菌(MRSA)和多重耐药革兰阴性(MDRGN)细菌,但培养阳性的患者中仅有5%至14%有证据表明存在上述任何耐药微生物。5,6,7 过度广谱或不必要的抗生素使用具有潜在危害。高达20%的住院患者会经历抗生素不良反应,8 而过度广谱的抗生素方案与死亡率增加相关。5
接诊可能患有脓毒症或脓毒性休克的患者的临床医生通常缺乏可用于指导初始治疗决策的信息,因为确定性诊断信息通常需要数小时或数天才能返回。9 因此,临床医生往往依赖患者的表现体征和症状来决定是否使用抗生素以及使用哪种抗生素。尽管体征和症状对于指导初始抗生素选择很重要,但大多数评估抗生素选择、时机与结局之间关联的大型队列研究并未将表现体征和症状作为可能具有信息价值的变量纳入。5,7,10,11,12,13,14,15,16,17,18,19 这一空白很可能是因为体征和症状通常记录在非结构化临床笔记中,提取时需要费力且主观的病历审查。确实使用了病历审查的较小规模研究发现,某些症状与较低的SEP-1(严重脓毒症和脓毒性休克早期管理集束化治疗)依从性20和较高的死亡率21相关,但一直缺乏可扩展的方法来提取这些数据。国际疾病分类第十版临床修改版(ICD-10-CM)代码可捕获部分症状数据(例如代码R00-R99),但这些代码的应用不一致,且通常尽可能被更具体的诊断所取代。大规模症状数据的缺乏也使寻找可指导更个体化治疗的脓毒症亚表型的努力变得复杂。迄今为止,脓毒症亚表型研究要么描述临床医生无法识别的生命体征和实验室数据聚类22,23,24,要么需要收集在就诊最初几小时内通常无法常规获得的生物标志物和轨迹数据。25,26
大型语言模型(LLM)能够以最少的预训练熟练处理非结构化文本,并提供了一种有前景的新策略,可从临床笔记中大规模提取结构化数据,例如表现体征和症状。尽管大多数LLM是为通用而非医学用途设计的,但它们在医学委员会考试风格的问题27,28和复杂诊断挑战29,30上已匹配人类表现,并且它们正显示出作为临床文本准确信息提取器的前景。31,32,33,34 然而,LLM具有已被充分描述的局限性,包括可重复性不确定、行为不可解释和隐藏偏见。35,36,37 很少有研究调查LLM从数千份包含受保护健康信息的未经整理临床笔记中提取数据的能力。
在本研究中,我们旨在评估使用大型语言模型(LLM)从入院记录中提取主诉体征和症状,并在一个大型可能有感染的患者队列中描述其与感染性诊断、多重耐药感染和死亡率的关联。我们评估了基于症状的不同聚类是否与特定病原体、抗生素耐药谱和死亡率相关,并以人工病历审查作为金标准,比较了基于LLM的方法与ICD-10-CM方法的性能。我们的目标是开发并验证一种可扩展的症状数据捕获方法,为改进病原体类别、抗菌药物耐药谱、患者预后以及脓毒症经验性抗生素个体化处方的预测模型奠定基础。
方法
研究设计、数据来源和人群
这项回顾性队列研究纳入了2015年6月1日至2022年8月1日期间通过急诊科(ED)收入Mass General Brigham(MGB)医疗保健系统5家医院的所有18岁及以上成年人。所有数据均从电子健康记录数据仓库(Clarity;Epic Systems)和实验室信息系统中收集。所有涉及受保护健康信息的计算分析均使用MGB符合《健康保险可携性和责任法案》的高性能计算集群。MGB机构审查委员会认定本研究免于审查,并豁免了知情同意要求,因为可识别健康信息的使用是出于研究目的。我们遵循了《加强观察性流行病学研究报告规范》(STROBE)报告指南。
我们纳入了所有可能有感染的患者,定义为在到达ED后24小时内接受了1次或多次血培养采集并接受了静脉(IV)抗生素给药的患者。排除标准包括:在到达后6小时内接受舒适治疗或死亡的患者、从外院转院的患者、收入精神科或产科服务的患者、在到达ED后12小时内缺少关键实验室检查结果或生命体征的患者,或既往接受过抗生素治疗的患者。17
LLM提取主诉体征和症状
对于每次入院,我们提取了服务时间在到达ED后24小时内的所有病史与体格检查入院记录。我们使用正则表达式检测现病史(HPI)部分的起始和结束位置(补充材料1中的eMethods),提取其内容,并将其纳入LLM提示词(框)。
系统:你是一名临床研究者,负责阅读病历并回答有关病历的问题。仅使用所提供文本中的信息来回答问题。如果患者否认某事项,不要将其纳入你的回答。提供回答后,立即停止说话。
用户:阅读以下患者病史,并列出患者的主诉症状。仅包括当前存在的或在入院前数天至数周内报告的症状。忽略既往病史或既往住院中的任何症状。以JSON数组形式给出你的回答,最多包含十个字符串。每个字符串包含一到三个词。
[此处插入现病史内容]
助手:……
使用vLLM Python框架进行高通量推理38,通过可公开下载的LLaMA 3模型8B版本(Meta)39处理这些提示,以下称为LLM。模型权重从LLM原生的bfloat16格式转换为float16格式,但未进行进一步的权重修改或微调。我们在配备Intel Xeon Gold 6148中央处理器(运行频率2.40 GHz)和Nvidia Tesla V100图形处理器(GPU,32 GB内存)的计算机服务器上运行推理,每个GPU承载一个模型实例。上下文窗口为3044个token,token采样使用温度0.1、top-p 0.8、重复惩罚1.05,并采用约束解码以确保输出为有效的JavaScript对象表示法字符串数组。40还实施了一种替代提示策略,即每次向模型提供5个特定体征和症状(补充材料1中的eMethods)。
使用体征和症状受控词汇表标注入院记录
我们按如下方式推导了体征和症状的受控词汇表。首先,通过对队列所有记录运行LLM提取流程的初步版本,创建了一个大型体征和症状文本语料库。其次,从该语料库中,按频率降序排列所有单词、双词组和三词组;使用R中的tm包排除停用词(信息量较少的常见英语单词,如the和in);并将术语筛选至分布的前75%以生成候选术语集。第三,我们手动滤除未完全传达体征和症状的术语(如failure和feeling)。第四,为创建受控词汇表,我们手动合并同义术语(如decreased urine output和oliguria)并选择规范术语,优先选择分组术语中具有最广泛一致含义的术语(如redness优先于erythema)。第五,为使用词汇表术语标注每条入院记录,我们使用回退策略扫描LLM生成的字符串以匹配术语,即较长的n-gram匹配优先于较短的n-gram。
为与非LLM方法标注入院记录中的主诉体征和症状进行比较,我们提取了入院前7天至入院当日(含)临床医生每日专业收费的所有ICD-10-CM编码。然后,我们使用该队列中30种最常见体征和症状的ICD-10-CM编码映射(补充材料1中的eTable 1)来标注入院。
LLM生成的体征和症状标签与医生病历审查的验证比较
对303份入院记录进行随机抽样,由一名感染科研究员(T.R.P.)进行人工审查,其使用与LLM提示相同的指令提取主诉体征和症状。记录通过自定义网络界面呈现给审查者,该界面仅显示入院记录文本和用于从词汇表中选择最多10个体征和症状的下拉列表,审查者对医生生成和LLM生成的标签以及入院记录之外的任何患者数据均设盲。同义词由网站自动重新映射至相应的规范术语。为测量评定者间信度,从303份记录的第一次随机样本中,选取100份记录的第二随机样本由一名内科住院医师(A.H.-H.)进行人工审查,该审查者对LLM生成和医生生成的标签设盲。
统计分析
通过计算微平均准确率、平衡准确率、灵敏度、特异度和Cohen κ,评估LLM方法相对于一名医师审阅者的标注性能,以及2名医师审阅者彼此的标注性能,使用Wilson评分区间或1000次自助法计算95% CI。我们还计算了每次比较的阳性预测值、阴性预测值和F1分数,使用Wilson评分区间或F1分数的Takahashi方法41构建95% CI。我们同样评估了ICD-10-CM方法的标注性能。为保持可比性,这些比较将LLM生成和医师生成的标签过滤至ICD-10-CM方法可用的较小标签集。
在按标注队列中频率降序对全部404个体征和症状标签进行排序后,选取最常见的30个体征和症状进行进一步分析。计算患者入院时每对体征和症状共现的Pearson相关系数(r)。为将症状聚类为综合征,我们对Pearson r向量按欧氏距离进行单 linkage 层次聚类,随后将树切割为k = 7个簇,选择k对应于先前定义的ICD-10-CM编码分类中识别感染来源的身体部位数量。5,17 簇的命名采用5名研究医师(T.R.P.、S.K.、A.H.-H.、C.R.和M.K.)的共识判断。为验证综合征与特定感染来源的对应关系,我们计算了每个体征和症状与入院时存在ICD-10-CM出院编码分类之间的相关性。5,17
我们检查了就诊体征和症状与3项结局之间的关联:院内死亡、急诊科到达后72小时内采集的至少1份临床培养中分离出MRSA、以及急诊科到达后72小时内采集的至少1份培养中分离出MDRGN微生物(包括头孢曲松耐药革兰阴性菌、氨苄西林-舒巴坦耐药不动杆菌和产AmpC肠杆菌目)(补充1中的eMethods)。我们通过比较培养MRSA和MDRGN微生物阳性且具有各体征或症状的患者比例与所有MRSA和MDRGN微生物患者的比例,计算每个体征和症状与各结局变量之间关联的粗相对危险度(RR),而院内死亡则在所有被标注为可能感染的患者中比较。随后我们拟合多变量logistic回归模型,以估计各结局变量与每个综合征中存在1个或更多症状相比的校正比值比(AOR),调整患者人口学特征、合并疾病、生理数据(到达后12小时内的实验室数据和生命体征、最高呼吸支持以及血管升压药使用)、青霉素或β-内酰胺过敏史、以及从急诊科到达至静脉抗生素给药的时间(按小时区间直至6小时、6-9小时、9-12小时和12-24小时;进一步详情见补充1中的eMethods)。17,42
使用SEs计算每个RR和AOR的Wald 95% CI。我们在比例粗略比较(404个体征和症状;Fisher精确检验)、粗略RR(30个体征和症状)和AOR(7个综合征)中对多重假设使用了Bonferroni校正。使用Spearman ρ检验有序变量之间的相关性。所有分析于2023年7月至2025年8月使用Python 3.11.7版(Python软件基金会)和R 4.4.2版(R统计计算项目)进行。
结果
研究队列的特征
该队列包括104 248例可能感染的患者。17,42 患者的中位(IQR)年龄为66(52-78)岁,包括50 106例女性(48.1%)和54 137例男性(51.9%)。共有23 619例患者(22.7%)患有脓毒症不伴休克,25 990例患者(24.9%)患有脓毒性休克。17
在104 248例患者中,94 913例(91.0%)的入院记录在急诊科到达后24小时内归档(补充材料1中的eFigure 1)。在这些患者中,93 674例(98.7%)通过LLM方法使用包含404个标签的受控词汇表被标记为具有1个或多个就诊体征和症状(补充材料1中的eTable 2)。在具有标注体征和症状的患者中,52 027例(55.5%)在急诊科到达后72小时内采集了1个或多个阳性培养,其中1903例(2.0%)为MRSA,8617例(9.2%)为MDRGN微生物。院内死亡率为93 674例中的4464例(4.8%)。LLM处理的提示词中位(IQR)大小为436(348-564)个token,仅93 674例患者中的41例(0.04%)需要截断HPI以适应上下文窗口。
LLM方法的验证
与主治医师病历审查者相比,LLM方法的准确率为99.3%(95% CI,99.2%-99.3%),平衡准确率为84.6%(95% CI,83.5%-85.8%),敏感度为69.7%(95% CI,67.3%-72.0%),特异度为99.6%(95% CI,99.6%-99.6%)(表1)。这些指标与主治医师与次要医师审查者之间的表现相似。LLM与主治医师审查者之间的Cohen κ为0.69(95% CI,95% CI,0.67-0.70),与2名医师审查者之间的一致性相似(Cohen κ = 0.73;95% CI,0.70-0.76)。LLM每个标签的阳性预测值为68.4%(95% CI,66.0%-70.7%),而一名医师与另一名医师比较为76.6%(95% CI,72.6%-80.2%),而阴性预测值相同(99.6%;95% CI,99.6%-99.7%)。当将输出与任一名医师的标签进行比较时,LLM的性能特征相似。
在所有性能指标上,LLM方法在标注入院就诊体征和症状方面均优于ICD-10-CM方法(补充材料1中的eTable 3)。使用多个提示词提取小集合特定词汇术语而非开放式提示词并未改善LLM的性能特征(补充材料1中的eTable 4)。LLM输出中标签的顺序与提供给模型的HPI文本中出现顺序显著相关(Spearman ρ = 0.54;P < .001)(补充材料1中的eFigure 2),但与以粗略死亡风险衡量的体征和症状严重程度无关(补充材料1中的eFigure 3)。
将体征和症状聚类为综合征
表2总结了30种最常见的体征和症状。在93 674例有标记体征和症状的患者中,最常识别的体征和症状为发热(36 286例[38.7%])、呼吸困难(25 572例[27.3%])和咳嗽(24 018例[25.6%])。在所有有标记体征和症状的患者与1种或多种培养阳性患者之间,大多数体征和症状的患病率相当,尽管培养阳性与较高的排尿困难发生率(5.9%[3087] vs 4.2%[3964];P < .001)和尿频发生率(4.8%[2494] vs 3.5%[3321];P < .001)相关,以及与较低的发红发生率(5.1%[2645] vs 8.5%[7928];P < .001)和肿胀发生率(6.4%[3351] vs 9.4%[8817];P < .001)相关。MRSA培养阳性与MDRGN培养阳性患者的常见体征和症状有所不同。MRSA培养阳性患者更可能表现为发红(15.8%[301] vs 3.4%[289];P < .001)和肿胀(16.9%[321] vs 4.0%[343];P < .001),但较少表现为排尿困难(1.3%[24] vs 7.3%[629];P < .001)、尿频(1.5%[28] vs 5.6%[486];P < .001)和腹痛(12.4%[236] vs 24.2%[2088];P < .001)。所有404种体征和症状的患病率见补充材料1中的e表2。
对30种最常见体征和症状按共现性进行层次聚类(图1A),产生了7个综合征,分别对应于4个常见感染部位(皮肤和软组织、心肺、胃肠道和泌尿道)以及3个非特异性症状簇(头晕、背痛和全身性)。聚类在不同的距离度量和连接标准下基本保持稳定(补充材料1中的e图4和e图5)。4个部位特异性综合征与对应于这些部位感染的ICD-10-CM出院诊断代码直接相关(图1B)。
体征和症状与MRSA或MDRGN感染风险的关联
在培养阳性患者中,体征和症状与MRSA培养阳性之间的粗RR在泌尿道和胃肠道症状患者中最低,在皮肤和软组织症状患者中最高(图2A)。RR范围从排尿困难的0.20(95% CI,0.11-0.39)到发红的3.51(95% CI,2.91-4.23)(补充材料1中的e表6)。按综合征聚类并调整混杂因素后(图3A;补充材料1中的e表9),皮肤和软组织症状与MRSA直接相关(AOR,1.73;95% CI,1.49-2.00),而泌尿道症状(AOR,0.34;95% CI,0.22-0.50)、胃肠道症状(AOR,0.63;95% CI,0.54-0.73)和头晕(AOR,0.68;95% CI,0.48-0.95)与MRSA呈负相关。
相比之下,体征和症状与多重耐药革兰阴性(MDRGN)菌之间的粗相对危险度(RR)(图2B)在皮肤软组织及呼吸系统症状患者中最低(肿胀的RR最低,为0.60;95% CI,0.51-0.71),在低血压、精神状态改变及尿路症状患者中最高(低血压的RR最高,为1.33;95% CI,1.17-1.50)(补充材料1中的e表7)。对混杂因素进行调整后(图3B;补充材料1中的e表9),若干综合征与MDRGN菌呈负相关,包括皮肤软组织症状(AOR,0.85;95% CI,0.79-0.93)、心肺症状(AOR,0.76;95% CI,0.71-0.82)及头晕(AOR,0.74;95% CI,0.64-0.86)。相反,尿路(AOR,1.26;95% CI,1.13-1.41)、胃肠道(AOR,1.14;95% CI,1.06-1.22)及全身性症状(AOR,1.12;95% CI,1.04-1.21)与MDRGN菌呈正相关。
体征和症状与死亡率的关联
体征和症状与院内死亡之间的粗RR在皮肤软组织及尿路症状患者中最低,在心肺症状患者中最高,范围从发红的0.19(95% CI,0.14-0.27)至低氧血症的3.17(95% CI,2.82-3.57)(图2C;补充材料1中的e表8)。按综合征聚类并调整混杂因素后(图3C;补充材料1中的e表9),心肺症状与较高的死亡率相关(AOR,1.30;95% CI,1.17-1.45),相反,尿路症状(AOR,0.71;95% CI,0.55-0.92)和全身性症状(AOR,0.83;95% CI,0.76-0.91)与较低的死亡率相关。
讨论
我们开发并验证了一种使用大语言模型(LLM)从临床记录中提取就诊体征和症状的方法,应用于一个大型疑似感染患者队列。据我们所知,本研究首次在如此规模上分析住院患者的就诊体征和症状数据。与医生生成的标签相比,LLM生成的标签达到了较高的准确度,使得能够使用包含404种体征和症状的受控词表对93 674份入院记录进行高效标注。对最常见体征和症状进行层次聚类产生了与常见感染来源相对应的可识别综合征。MRSA、MDRGN菌及院内死亡的RR因患者就诊体征和症状的不同而存在显著差异。
我们的发现对脓毒症和临床研究有多方面意义。首先,它们证明了使用大语言模型(LLM)从非结构化临床文本中提取复杂数据的可行性,其规模是人工病历审查无法实现的。尽管对大语言模型的可解释性和潜在偏倚存在担忧,但我们发现,一个可公开下载的大语言模型在给定简明英文指令并将输出映射到受控词表时,其标注体征和症状的表现与医生的表现相当。本地使用可下载的大语言模型能够对包含受保护健康信息的临床记录进行高效且安全的标注。通过实现对临床记录中具有临床意义的患者层面细节(包括症状、时间性、院外病程及其他医疗保健暴露)进行新的人群规模分析,大语言模型可以拓展临床流行病学研究的范围并提升其质量。大语言模型还可能加速其他需要病历抽象的任务,包括临床试验入组、43 医院质量指标、44 急诊分诊45 和交接文档。46
其次,本研究中识别出的症状簇为对脓毒症患者进行分类提供了比器官功能障碍或生物标志物标准更直观的依据。大语言模型生成的体征和症状自组织成反映常见感染来源并与出院诊断相关的综合征,支持了该大语言模型方法的构念效度。与出院诊断编码不同,体征和症状更准确地反映了初始患者表现的模糊性,考虑到所识别综合征中有 3 个(头晕、全身性和背痛)并非感染来源特异性的。与使用截至入院日期专业计费收费编码来识别就诊体征和症状的 ICD-10-CM 方法相比,大语言模型方法在敏感性、特异性和精确度上均优于 ICD-10-CM 方法。
第三,观察到的 MRSA、MDRGN 微生物和院内死亡率在不同症状间的差异性风险凸显了这些数据对于理解可能脓毒症患者异质性的重要性。例如,某些症状与特定多重耐药微生物风险较低相关(泌尿系统症状与 MRSA;蜂窝织炎症状与 MDRGN 微生物),这一事实提示脓毒症的经验性抗生素指南很可能可以利用就诊症状进一步量身定制。死亡风险降低与泌尿系统或全身性症状之间的关联提示,广泛激进的脓毒症治疗方案可能在这些亚队列中意外地产生不太有利的获益-风险比。此外,全身性症状(本队列中最常见为发热和寒战)与死亡率降低之间的关联与既往研究一致,后者记录到脓毒症队列中明确的感染症状与更早治疗和更好结局相关。20,21 未来脓毒症的风险预测和因果推断模型应纳入症状,并评估将基于症状的标准加入关于经验性抗生素时机和选择的共识指南的潜在获益和风险。
局限性
本研究存在若干局限性。第一,尽管我们以医师病历审查为参照对LLM方法进行了验证,但两者均受临床记录中症状记录质量的限制。无法沟通的患者(如危重症患者)的某些症状可能被系统性地排除。第二,症状具有主观性,临床医生之间对术语内涵及可从上下文推断内容的意见分歧,导致HPI标注的变异性(如本研究所测量)以及体征和症状词表构建的主观性。第三,LLM的黑箱特性限制了我们理解LLM生成标签与医师生成标签之间差异原因的能力。第四,尽管我们针对一套全面的混杂因素调整了关联分析,但仍不能排除残余混杂。最后,我们的数据来自美国1个区域卫生系统,尽管我们使用的是未经微调的公开可用LLM,提示该方法可能可推广至其他环境。
结论
在这项针对可能感染的住院患者的队列研究中,LLM从入院记录中准确提取了就诊体征和症状,并识别出数据驱动的、基于症状的综合征,这些综合征与感染来源、多重耐药病原体感染风险及院内死亡率存在差异性相关。需要进一步研究以评估大规模体征和症状数据作为介导因素或混杂因素在可能脓毒症患者抗生素选择、有效性及结局模型中的附加价值。
参考来源
- Pak TR, Kanjilal S, McKenna CS, et al. Syndromic Analysis of Sepsis Cohorts Using Large Language Models. JAMA Netw Open. 2025. PMID: 41134571. doi:10.1001/jamanetworkopen.2025.39267
- 全文:PMC12552932(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12552932/
供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。