利用LLM驱动指南依从性增强呼吸支持预测建模
本研究在既往RepFlow-CFR深度反事实模型基础上,整合Claude 3.5 Sonnet大语言模型(LLM)以强制执行ERS/ATS 2017 NIV和ERS 2022 HFNC指南并生成可解释推荐。纳入2016年1月1日至2023年12月31日UC San Diego Health的1261例ICU encounters。LLM增强推荐与HFNC推荐一致时IMV发生率46/188(24.47%),不一致时9/17(52.94%),不一致对应相对风险增加97.33%;一致性也与较低的死亡率或临终关怀出院相关(OR 0.670,p=0.046)。20例图表回顾中19/20(95%)LLM推荐与指南一致,医师同意13/20(65%);11/20例存在错误,多数低或中风险,2/20例 judged 可能造成严重伤害。作者结论认为该混合框架可能改善患者结局,但需进一步细化和前瞻性验证。
要点
- 在1261例ICU encounters中,LLM增强推荐与HFNC推荐一致时IMV为46/188(24.47%),不一致时为9/17(52.94%),不一致对应相对风险增加97.33%。
- LLM框架下HFNC推荐患者一致治疗与较低的死亡率/临终关怀出院几率相关(OR=0.67,95%CI 0.45–0.99;p=0.046),作者强调亚组对比为探索性。
- 20例图表回顾中,19/20(95%)LLM推荐与ERS/ATS 2017 NIV和ERS 2022 HFNC指南一致,但医师仅同意13/20(65%)最终推荐。
- 图表回顾中11/20例存在错误,潜在伤害可能性低64%(7/11)、中27%(3/11)、高9%(1/11);潜在伤害程度严重/死亡2例、轻/中度5例、无伤害4例。
- 作者指出LLM未识别右心衰竭、呕血或意识改变等NIV潜在禁忌,未来将模块化整合禁忌检测并开展前瞻性试验。
适用人群与场景
- UC San Diego Health 2016年1月1日至2023年12月31日ICU encounters,聚焦于Vent.io预测高危时间点(Vent.io T0)后首次接受HFNC或NIV作为呼吸支持的患者。
- 研究排除需要紧急插管和有创机械通气的患者(原文背景指出HFNC和NIV用于不需要紧急插管和IMV的患者)。
诊断标准与关键阈值
- RepFlow-CFR个体化治疗效应(ITE)定义为NIV与HFNC下预测IMV概率之差;NIV preferred if ITE < −0.001,HFNC preferred if ITE > 0.001,否则为Indifferent。
- LLM基于ERS/ATS 2017 NIV指南和ERS 2022 HFNC指南的结构化指征/禁忌标准评估推荐一致性。
处置流程与药物剂量
- LLM增强推荐流程:RepFlow-CFR输出临时模态(NIV/HFNC/Indifferent)及前50个SHAP排序特征的理由,LLM结合结构化患者数据、临床记录和指南标准审核或修正推荐,并引用相关指南条款给出理由。
- LLM被指示(i)评估RepFlow-CFR推荐与指南标准的一致性,(ii)发出独立推荐:NIV、HFNC或Indifferent,(iii)明确引用相关指南声明来论证决策。
- LLM在校正-延迟机制中:阻断违反禁忌或最低标准的推荐、必要时校正为指南可接受的替代方案、证据弱或数据缺失时推迟至指南默认或临床医生审查;多个可接受动作时选择RepFlow-CFR估计风险较低的选项。
红旗征与不能漏的情况
- 图表回顾中,右心衰竭、呕血或意识改变被列为NIV潜在禁忌,LLM未识别,尽管技术上符合指南标准。
- 这些禁忌多需床旁即时评估(如实时意识状态评估、活动性呕血),EHR中不易获得。
研究设计与关键结果
- 研究类型为回顾性队列分析,样本量1261例ICU encounters,单系统(UC San Diego Health),数据来自2016年1月1日至2023年12月31日。
- RepFlow-CFR分类为NIV-preferred 891例、HFNC-preferred 252例、indifferent 118例;LLM增强模型重新分配为759、205、297例。
- HFNC推荐一致率:LLM模型91.7%的HFNC-preferred患者接受HFNC,RepFlow-CFR为68.3%。
- IMV发生率26–29%、死亡率24.4%–41.8%、临终关怀入组<1.2%,组间无统计学显著差异。
- LLM增强框架下HFNC推荐一致组IMV 46/188(24.47%)vs 不一致组9/17(52.94%),不一致对应相对风险增加97.33%。
- LLM框架下NIV一致组死亡率/临终关怀相对降低14.03%,基线模型仅6.83%。
- 多变量logistic回归(校正年龄、性别、CCI、SOFA、Vent.io风险评分)显示LLM框架下HFNC推荐一致治疗与较低的死亡率/临终关怀几率相关(OR=0.67,95%CI 0.45–0.99;p=0.046)。
- 20例图表回顾中,19/20(95%)LLM推荐与指南一致,医师同意13/20(65%);错误11/20例,潜在伤害低64%(7/11)、中27%(3/11)、高9%(1/11);伤害程度严重/死亡2例、轻/中度5例、无伤害4例。
证据类型、等级与局限
- 证据类型:回顾性队列研究结合结构化图表回顾,非随机对照试验。
- 作者指出一致性发现为观察性,可能部分反映适应证混杂,尽管多变量模型校正了年龄、性别、Charlson Comorbidity Index(包含CHF权重)、SOFA和Vent.io风险,残余混杂仍可能存在。
- 局限:LLM引导推荐虽改善可解释性和临床对齐,但幻觉和推理错误发生;图表回顾中30%病例存在解释不准确或遗漏,其中15%有临床显著问题。
- 局限:指南本身范围有限,可能不适用于多种合并症的复杂患者。
- 局限:单系统队列限制普遍性;已启动将RepFlow-CFR应用于UC Irvine队列,但临床记录整合(指南感知LLM推荐所需)正在进行,外部验证结果将另行报告。
- 局限:图表回顾样本小(n=20);需要更大规模前瞻性评估。
对床旁实践的改变
- 作者认为将LLM用于指南执行可提高反事实模型在呼吸支持决策中的可解释性和临床对齐,混合框架可能改善患者结局(原文结论)。
- 作者指出当前实施未强调训练LLM识别NIV或HFNC禁忌,也未纳入指南定义之外的复杂患者特异性修正因素,反映LLM提示结构的局限;未来计划在临床决策支持工具中模块化整合禁忌检测。
- 作者计划将LLM增强推荐整合入EHR作为代理AI系统的一部分,前瞻性分阶段实施,并测量推荐一致性和临床结局影响。
- 原文未据此给出推荐。
指南或共识出处
- ERS/ATS 2017 Guidelines for NIV
- ERS 2022 Guidelines for HFNC
全文中译19 节 · 点击展开
背景
急性呼吸衰竭(ARF)在危重症患者中常见,约占所有重症监护病房(ICU)入住患者的一半。在不需要紧急插管和有创机械通气(IMV)的患者中,经鼻高流量氧疗(HFNC)和无创通气(NIV)是常用的呼吸支持疗法[1–6]。初始呼吸支持疗法的选择可影响重要的患者结局,如是否需要IMV或死亡率,然而,该选择是基于既往的随机对照试验(RCT)。患者可能同时具有HFNC或NIV的重叠临床适应证,因此,在实时选择这些治疗模式时存在相当的临床均势。此外,真实世界环境中许多接受HFNC和NIV的ARF患者不符合既往比较这两种模式的研究的纳入和排除标准。还存在治疗效应异质性的可能性,即基线患者特征影响对治疗的反应。这些特征所带来的不确定性凸显了需要数据驱动的精准医学技术来协助选择NIV或HFNC[8, 9]。
机器学习技术可用于估计每位患者经鼻高流量氧疗(HFNC)与无创通气(NIV)的个体化治疗效应(ITE)[7]。因果推断和反事实建模的最新进展为观察性数据中的ITE估计提供了多样化的工具包。这些工具包括基于树的方法(例如,因果森林[12])、表示学习方法(例如,TARNet[13])、元学习器(例如,X-learner[14]),以及平衡技术如贝叶斯加性回归树[15]。在此基础上,我们先前开发并验证了RepFlow-CFR,这是一种针对危重症监护环境定制的深度反事实表示模型。RepFlow-CFR旨在通过学习平衡表示来估计HFNC和NIV两种治疗下的患者特异性结局,该平衡表示可校正混杂因素并捕捉潜在的患者异质性。该模型结合了共享表示学习、用于结局建模的归一化流,以及针对未测量混杂因素的第二阶段校正,使其能够生成稳健的、个体化的NIV与HFNC反应预测,从而帮助指导降低IMV风险的治疗决策。当应用于被识别为呼吸衰竭高风险的ICU患者时,接受与RepFlow-CFR推荐一致治疗的患者显示出较低的IMV率和死亡率或临终关怀出院率,突显了该模型在复杂ICU人群中识别有益治疗路径的能力。
尽管RepFlow-CFR在生成个体化治疗推荐和识别有益治疗路径方面表现出强大性能,但它与许多深度学习模型一样存在一个共同局限性,即其决策过程缺乏透明度。这种“黑箱”性质使临床医生难以解释或信任模型的输出,尤其是当推荐与既定临床指南不一致时。此外,RepFlow-CFR本质上并不受约束以遵循这些指南,这可能导致数据驱动的推荐与循证最佳实践之间出现不一致。为应对这些挑战,我们在决策流程中引入大语言模型(LLM),作为指南感知、可解释的推理层。通过利用结构化患者数据、临床记录和正式指南标准,LLM可以验证或优化模型的推荐,确保治疗建议与当前诊疗标准一致,同时提供可解释的依据。在本研究中,我们旨在通过整合LLM来优化深度反事实模型的治疗推荐,以强制遵循临床指南并增强可解释性。我们进一步评估这种LLM增强框架对与真实世界治疗决策一致性和患者结局的影响,并通过结构化专家病历审查进行额外验证。我们假设,将LLM与深度反事实模型整合以优化治疗推荐将增强可解释性,产生与既定指南驱动诊疗标准更一致的治疗建议。
方法
RepFlow-CFR预测
模型通俗摘要。我们的目标是针对每名患者估计,无创通气(NIV)或有创高流量鼻导管(HFNC)哪一种更可能避免有创机械通气(IMV)。我们首先学习一个患者摘要,使治疗组之间测量的因素达到平衡(类似于倾向评分平衡)。然后,我们使用可逆(“可逆式”)神经网络——形式上为条件归一化流(CNF)——来学习给定该摘要和治疗后结局如何分布。最后,我们纳入一个针对残余(未测量)偏倚的校正步骤,使所得患者特异性风险估计和推荐在临床上更可靠。
数据来源。我们使用了加州大学圣地亚哥分校健康中心(UCSD)2016年1月1日至2023年12月31日期间ICU患者的去标识化结构化电子健康记录(EHR)数据,重点关注在Vent.io预测的[16]高风险时间点(Vent.io T0)之后首次给予HFNC或NIV作为呼吸支持的诊疗记录。图1展示了队列推导过程。提取变量包括50项生命体征和实验室测量(重采样为每小时区间)、6项人口学特征、12项SIRS/SOFA标准、12类药物以及62种合并症。其他衍生特征包括基线值、局部趋势和距上次测量时间(TSLM)。缺失值采用最多24小时的前向填充或均值插补(补充第1节)。
RepFlow-CFR模型。RepFlow-CFR模型是一个深度反事实推断框架,利用观测变量和推断的潜在变量来调整混杂因素。它由三个阶段组成(模型架构和数学公式见补充材料第2节):第0阶段应用反事实回归(CFR)[13],使用积分概率度量(如Wasserstein距离)学习共享表示,以平衡治疗组间的已测量混杂因素;第1阶段使用条件归一化流(CNF)[17]对给定表示和治疗的结果分布进行建模;第2阶段引入第二个CNF,通过将治疗依赖的潜在变量转换为干预分布来调整未测量混杂因素。
模型训练与评估。UCSD HFNC/NIV队列被随机分为80%训练集和20%验证集。验证集仅用于超参数调优和早停。超参数通过贝叶斯优化在学习率、权重正则化、隐藏层数、流深度、丢弃率和批量大小上进行调优。每个模块(CFR主干和两个CNF)均使用Adam优化器单独训练,并应用早停以减轻过拟合。
在推断过程中,RepFlow-CFR通过从第2阶段CNF中为每次 encounter 采样100个潜在抽样并通过第1阶段映射,生成HFNC和NIV两种条件下的潜在结局。然后对预测结局取平均值,以产生每种治疗条件的稳定估计。个体治疗效应(ITE)定义为NIV与HFNC条件下IMV预测概率之差。我们对ITE采用小的无差异带:若ITE < − 0.001则偏好NIV,若ITE > 0.001则偏好HFNC,否则为无差异。该带宽缓冲了接近零的估计噪声,并避免基于≤ 0.1个百分点的风险差异采取行动。
超参数调优后,优化模型(在80%子集上训练)被应用于整个UCSD队列,以生成ITE用于描述性队列层面分析。性能通过预测区分度(AUC、PR-AUC)进行评估。在UCSD队列上,RepFlow-CFR的AUC为0.820,PR-AUC为0.566。完整超参数网格见补充材料第2节。
LLM驱动的指南执行
Claude Sonnet配置与部署
我们使用了Claude 3.5 Sonnet [19],这是一个具有200,000 token上下文窗口的大型语言模型,针对高精度推理和结构化临床分析进行了优化。该模型部署在符合HIPAA的亚马逊云服务(AWS)环境中,使用配置了Amazon Bedrock认证访问的EC2实例。推断通过Bedrock Converse API执行,该API支持结构化JSON输出以实现可靠解析。为最小化变异性并确保一致、确定性的响应,模型以0.1的温度设置运行。Claude Sonnet用于评估RepFlow-CFR推荐是否与临床指南一致,并基于结构化患者数据、临床记录和正式指南标准独立生成治疗推荐。
临床指南标准
我们根据已确立的临床指南,总结无创通气(NIV)和经鼻高流量氧疗(HFNC)的推荐适应证。具体而言,我们参考ERS/ATS 2017年NIV指南[11]和ERS 2022年HFNC指南[10]。指南标准列于下文表1中,突出显示每种疗法何时被推荐、有条件推荐或不建议使用。
LLM辅助的指南一致性评估
LLM的输入:为生成可解释、符合指南的推荐,LLM接收一个结构化信息包,包括:(i)来自ERS/ATS 2017和ERS 2022指南的适应证/禁忌证摘要;(ii)Vent.io T0时间戳(首个高风险标记);以及(iii)T0时刻的RepFlow-CFR输出:暂定模式(NIV/HFNC/无差异)以及由SHAP排名前50的特征(预先选择以确保可解释性)所代表的理由。这些输入使LLM能够核查适应资格/禁忌证、审核或纠正暂定选择,并生成简明的患者特异性理由。表2详述了输入模式。
提示策略:我们指示LLM(i)评估RepFlow-CFR推荐与源自患者记录的指南标准之间的一致性,(ii)发出独立推荐:NIV、HFNC或无差异,以及(iii)通过明确引用相关指南陈述来论证决策。完整细节,包括上下文排序、JSON模式和减少无依据输出的保障措施,见补充Section S3。
一致性分析
我们在两个层面评估了模型生成的治疗推荐与实际临床决策之间的一致性。首先,RepFlow-CFR一致性定义为RepFlow-CFR模型推荐的治疗模式(NIV、HFNC或无差异)与患者在Vent.io T0时间点之后立即实际接受的治疗之间的一致。其次,LLM增强一致性定义为LLM生成的最终治疗推荐(整合了临床指南和患者特异性数据)与实际实施的治疗之间的一致。对于两种类型的推荐,我们比较了一致组和不一致组之间的关键临床结局,特别关注IMV的发生率以及院内死亡或出院转临终关怀的复合终点(死亡/临终关怀)。
病历审查验证
为评估LLM增强推荐框架的临床有效性和安全性,我们对20例患者病例进行了回顾性病历审查。这些病例被选择以代表多种临床场景,包括疾病严重程度的变化、LLM与RepFlow-CFR模型生成不一致治疗推荐的情况。该目的性抽样策略旨在挑战LLM在一系列相关临床背景下的解释和决策能力。
每例均由三名获得委员会认证的重症监护医师独立审阅。审阅者评估LLM的治疗建议与既定临床指南的一致性,特别是ERS/ATS 2017无创通气(NIV)指南和ERS 2022经鼻高流量氧疗(HFNC)指南。除评估LLM的最终建议是否与基于指南的诊疗一致外,审阅者还审查了LLM提供的解释,特别关注是否存在事实错误、具有临床意义的遗漏或幻觉性陈述。
为评估LLM的理解能力、知识检索能力和推理能力,采用了结构化评估框架,该框架改编自既往验证医学LLM输出的工作[18]。鉴于LLM已知存在混合正确与错误内容的倾向,该审查框架旨在明确捕捉模型回答中准确和不准确的组成部分。为评估潜在危害,审阅者使用了美国医疗保健研究与质量局(AHRQ)Common Formats中的危害分类框架。
医师审阅者使用的结构化评估标准总结于表4。这些包括对建议一致性、解释准确性、潜在危害、临床一致性以及LLM特有推理和检索性能的评估。每项标准均附有分类评估选项和供审阅者自由文本评论的空间。
结果
按RepFlow-CFR和LLM增强建议分组的患者特征、干预措施和结局
我们的研究队列包括1,261例ICU诊疗记录,按RepFlow-CFR和LLM增强模型的治疗建议进行分层,如表5所示。RepFlow-CFR将891例患者分类为优先NIV、252例为优先HFNC、118例为无差异,而LLM增强模型分别重新分配为759例、205例和297例。基线特征总体均衡:平均年龄范围为60至63岁,男性患者比例为57.6%至59.9%,Vent.io T0时的SOFA评分在各组间相似。
T0后的干预措施包括类固醇、抗生素、血管加压药和利尿剂,各组间无显著差异。LLM模型的建议一致性更高,91.7%的优先HFNC患者接受了HFNC,而RepFlow-CFR下为68.3%。临床结局在各组间也相似:有创机械通气(IMV)发生率为26%–29%,死亡率为24.4%至41.8%,临终关怀入院率< 1.2%,未观察到统计学显著差异。这些发现表明已测量的混杂因素均衡良好,而LLM增强模型改善了建议与观察到的临床实践之间的一致性。
一致性分析
为评估模型指导建议的临床实用性,我们分析了预测治疗建议与患者实际接受治疗之间的一致性,并按结局进行分层。主要结局为需要有创机械通气(IMV);死亡或临终关怀出院作为次要结局进行评估。
表6和表7报告了所接受治疗与模型推荐一致或不一致的患者中的IMV率和死亡率/临终关怀率。为了量化效应方向和幅度,我们计算了相对于推荐特定总结局率的相对变化:一致时的相对降低 = ((总IMV − 一致IMV)/总IMV)× 100%;不一致时的相对增加 = ((不一致IMV − 总IMV)/总IMV)× 100%。在两个模型中,接受与模型推荐一致治疗的患者IMV率较低。LLM增强模型在一致组中显示出更大的IMV率相对降低,尤其是在HFNC推荐下,不一致治疗与IMV风险相对增加97%相关。对于死亡和临终关怀结局,LLM增强模型同样显示出一致组与不一致组之间更大的差异。在LLM框架下,NIV一致病例显示死亡率/临终关怀相对降低14.03%,而基线模型下仅为6.83%。
我们进一步使用多变量逻辑回归评估一致治疗与结局之间的关联,控制了潜在混杂因素,包括年龄、性别、CCI、SOFA评分和Vent.io风险评分。结果总结于表8。在LLM增强框架内,一致性分别与较低的IMV几率和较低的死亡/临终关怀几率相关,且按推荐模式分层存在异质性。对于HFNC推荐的患者,一致治疗与较低的死亡/临终关怀几率相关(OR = 0.67,95% CI 0.45–0.99;p = 0.046)。鉴于存在多个亚组对比和一些临界p值,我们强调带有95% CI的效应估计,并将这些分析视为探索性分析。
病历审查发现
根据三位重症监护医师对选定病历的审查,如表9所示,95%的LLM推荐与ERS/ATS 2017 NIV指南和ERS 2022 HFNC指南一致。尽管与指南高度一致,医师总体上仅对65%的病例同意LLM推荐。在提供给审查者的自由评论部分中,不同意LLM的原因包括解释中存在不正确内容,这在3例(15%)中被发现。重症监护医师审查者认为这3例中的不正确内容均具有临床意义。审查者还发现6例(30%)缺失临床重要信息。在LLM准确性中发现错误的11例中——要么缺失重要临床内容,要么解释中存在不正确内容——这些错误潜在伤害的可能性被判定为低64%(7/11)、中27%(3/11)、高9%(1/11)。这些错误的潜在伤害程度被判定为严重/死亡2例、轻/中度5例、无伤害4例。
LLM的理解能力极佳,在100%的审查病例中表现出正确的问题理解。在1例中同时存在正确和错误问题理解的证据。LLM在19/20例中有正确证据检索和推理的证据。然而,在6/20例中LLM也显示出错误检索的证据,在4/20例中显示出错误推理依据的证据。LLM输出和医师审查的精选示例见补充第4节。
讨论
我们提出并评估了一个框架,该框架将深度反事实推断模型(RepFlow-CFR)与指南感知LLM相结合,用于在急性呼吸衰竭患者中生成个体化、符合指南的经鼻高流量氧疗(HFNC)与无创通气(NIV)之间的推荐意见。与仅使用反事实模型相比,LLM组件利用结构化指南规则约束可行动空间,并呈现可追溯的推理依据和延迟决策逻辑,提高了透明度和临床合理性。一致性医疗与改善结局之间的关联支持知识约束反事实推荐意见的潜在临床效用;鉴于回顾性设计,结果应解释为关联性及假设生成性。
相对于既往工作的定位。与聚焦于已接受HFNC治疗患者并估计该亚组内病情恶化的HFNC失败预测模型不同,我们的框架解决的问题是在决策时点的初始模式选择(HFNC vs. NIV)这一更广泛的问题。现有反事实方法通常表现为不透明的黑箱,与之不同,我们通过LLM嵌入指南约束,使个体化推荐意见在临床上可接受、可解释并与共识标准一致。尽管为回顾性研究,本研究为在ICU工作流程中对指南感知反事实决策支持进行前瞻性实时评估提供了转化基础。
超越混合方法的方法学创新
我们的框架将定量反事实估计与指南感知校正层相结合。首先,RepFlow-CFR生成个体化潜在结局估计和临时模式推荐。随后,LLM将指南文本解析为结构化的适应症/禁忌症规则并审核临时选择:它(i)阻止违反禁忌症或最低标准的推荐意见,(ii)在需要时将推荐意见校正为指南可接受的替代方案,(iii)在证据薄弱或数据缺失时延迟至指南默认方案或临床医师审查。当多个行动可接受时,该层选择RepFlow-CFR估计风险较低的选项。每条最终推荐意见被标记为未更改/已校正/已延迟,并展示触发推荐的指南条款及简要推理依据,将定量估计与明确的临床规则相关联。
在概念上,这相当于将模型策略投影到指南可行集上,既保留了反事实信号,又强制实施临床可接受性并产生透明的审计轨迹。这种校正与延迟机制将我们的方法与事后规则展示区分开来,因为它在指南要求时主动修改推荐意见,而非仅对其进行标注。
LLM引导的推荐意见对一致性和结局的影响
在各推荐分层中,接受模型推荐的治疗模式与较低的IMV相关,并且在多个分层中与较低的死亡率/临终关怀相关。例如,当LLM增强模型推荐NIV时,与不一致的诊疗相比,一致的诊疗与较低的IMV相关;当推荐任一治疗模式时,一致的诊疗与较低的死亡率/临终关怀相关。相反,在某些分层中,不一致的诊疗与显著更高的IMV风险相关,尽管精确度因亚组样本量而异。调整年龄、性别、CCI、SOFA和Vent.io风险的多变量逻辑回归得出的调整比值比及95%置信区间与这些模式一致(表8)。我们强调效应估计值和置信区间而非二分显著性,并将亚组对比视为探索性分析。
病历审查与临床有效性
由重症监护医师进行的有条理病历审查确认,LLM生成的推荐在95%的病例中与既定指南一致。然而,仅在65%的病例中观察到与这些推荐的完整临床一致性,反映了仅基于指南方法的关键局限性。审查者指出,仅凭指南无法完全反映患者的复杂性,也无法涵盖每一个临床变量。补充材料中提供的示例强调了临床医生不同意LLM的几个原因,这些原因即使在指南驱动的LLM整合下也难以在ML模型中捕捉。若干病例涉及临床模糊性,其中HFNC或NIV均可被认为可接受。此外,重症监护医师审查者对所有病例的管理方案并未达成一致,可能反映了临床实践模式的差异。这一因素也可能对实施LLM生成的推荐构成挑战。
特定患者状况如右心室衰竭、呕血或精神状态改变被列为NIV的潜在禁忌证,而LLM未能识别这些禁忌证,尽管技术上符合指南标准。重要的是,当前实施并未强调训练LLM识别NIV或HFNC的禁忌证,也未纳入超出指南定义的复杂患者特异性修饰因素。这反映了LLM提示词结构设计的局限性。然而,这种方法是有意为之,原因有几点。第一,许多NIV或HFNC的禁忌证需要在决策时进行即时床旁评估,且不易从EHR中获取(例如实时精神状态评估、活动性呕血)。第二,模型计划中的未来临床部署将包括一个临床决策支持功能,引导临床医生逐一评估需要实时评估的禁忌证列表,以增强临床决策。尽管每种特定氧疗模式的禁忌证有可能整合到LLM中,但基于重症监护医师的意见,即时医师评估加ML-LLM联合方法最符合未来部署计划。这种禁忌证意识可以模块化地整合到决策支持工具中,以更好地反映现实世界的临床推理并提高LLM输出的稳健性。
局限性
有几个局限性值得考虑。第一,尽管大语言模型(LLM)引导的建议提高了可解释性和临床一致性,但仍出现了幻觉和推理错误;在病历审查中,30%的病例存在解释性不准确或遗漏,其中包括一个较小的亚组(15%)存在具有临床意义的问题。第二,指南本身在范围上存在固有局限,可能无法推广至合并多种合并症的复杂患者。第三,一致性发现属于观察性研究,可能部分反映了适应证混杂;尽管多变量模型已对年龄、性别、Charlson合并症指数(其中包含充血性心力衰竭(CHF)权重)、SOFA和Vent.io风险进行了调整,但残余混杂仍有可能存在。第四,单系统队列限制了可推广性。我们已开始将RepFlow-CFR应用于UC Irvine队列,但临床笔记的整合(指南感知型LLM建议所必需)仍在进行中;因此,外部验证结果将另行报告。最后,病历审查样本量较小(n = 20);仍需更大规模的前瞻性评估。
向床旁转化及未来方向
我们的研究表明,LLM可以在弥合黑箱机器学习模型与可解释、符合指南的临床决策之间的差距方面发挥强大作用。未来研究将把LLM增强的模型建议整合到电子健康记录(EHR)中,作为智能体人工智能(agentic AI)系统的一部分,主动识别处于风险中的个体,并提供实时建议以预防进一步的临床失代偿。我们将以分阶段方式开展前瞻性实施,以便在更广泛实施之前进行以用户为中心的设计、进一步的模型优化、安全性测试和临床医生反馈。临床医生将在首次预测急性呼吸衰竭(ARF)时(来自venti.io或来自临床失代偿)获得模型建议,我们将随时间测量建议一致性和对临床结局的影响。未来工作还将聚焦于增强LLM检测禁忌证、对重叠临床状况进行推理以及适应新出现指南的能力。整合临床医生反馈并前瞻性部署该框架,对于在ICU等高风险环境中开发可信赖、自适应的人工智能工具至关重要。
结论
我们开发并验证了一个混合框架,该框架通过基于LLM的指南执行来增强深度反事实推断,以支持ICU患者的个体化呼吸支持决策。LLM增强模型提高了治疗一致性,并与更好的患者结局相关,包括更低的IMV率和死亡率/临终关怀出院率。尽管LLM实现了较高的指南依从性,但与医生判断的差异凸显了更好地考虑真实世界临床复杂性和禁忌证的必要性。我们的发现支持将可解释人工智能与循证医学相结合,以在重症监护中构建可解释、高影响力的决策支持工具的潜力。仍需进一步优化和前瞻性验证,才能将该方法安全转化为常规临床实践。
补充信息
补充材料1
参考来源
- Lu X, Miller M, Pearce AK, et al. Enhancing predictive modeling for respiratory support with LLM-driven guideline adherence. Crit Care. 2025. PMID: 41239417. doi:10.1186/s13054-025-05739-3
- 全文:PMC12619420(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12619420/
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。