Novo modelo de linguagem grande ajuda os pacientes a entender seus relatórios de radiologia

Imagine obter uma ressonância magnética de joelhos e lhe disseram que você tem “degeneração leve intrassubstância do chifre posterior do menisco medial”.

As chances são de que a maioria de nós, que não estudou na faculdade de medicina, não será capaz de decifrar esse jargão como qualquer coisa significativa ou entender o que é acionável desse diagnóstico. É por isso que os radiologistas de Stanford desenvolveram um grande modelo de idioma para ajudar a abordar as preocupações e perguntas médicas dos pacientes sobre raios-X, CTs, ressonância magnética, ultrassom, exames de PET e angiogramas.

Usando esse modelo, um paciente que recebe uma ressonância magnética do joelho pode obter uma explicação mais útil e simples: o menisco do joelho é um lenço no joelho que serve como almofada e, como um travesseiro, o menisco ficou um pouco plano, mas ainda pode funcionar.

Este LLM-obteve “Radgpt”-pode extrair conceitos do relatório de um radiologista para fornecer uma explicação desse conceito e sugerir possíveis perguntas de acompanhamento. A pesquisa foi publicada este mês no Jornal do American College of Radiology.

Tradicionalmente, é necessária experiência médica para entender os relatórios técnicos que os radiologistas escrevem sobre varreduras de pacientes, disse Curtis Langlotz, professor de radiologia de Stanford, de medicina e ciência de dados biomédicos, membro sênior do Instituto Stanford para IA centrada em humanos (HAI) e autor sênior do estudo. “Esperamos que nossa tecnologia não ajude apenas a explicar os resultados, mas também ajude a melhorar a comunicação entre médico e paciente”.

Desde 2021, sob a Lei de Cura do Século XXI, os pacientes nos Estados Unidos tiveram proteção federal para obter acesso eletrônico aos seus próprios relatórios de radiologia. Mas ferramentas como o RADGPT podem envolver os pacientes mais envolvidos em seus cuidados, acredita Langlotz, porque eles podem entender melhor o que os resultados dos testes realmente significam.

“Os médicos nem sempre têm tempo para explicar relatórios, linha por linha”, disse Langlotz. “Acho que os pacientes que realmente entendem o que está em seus registros médicos terão um melhor cuidado e farão melhores perguntas”.

Para desenvolver o RADGPT, a equipe de Stanford pegou 30 relatórios de radiologia de amostra e extraiu cinco conceitos de cada relatório. Com esses 150 conceitos, eles desenvolveram explicações para eles e três pares de perguntas e respostas que os pacientes podem perguntar. Cinco radiologistas que revisaram essas explicações determinaram que é improvável que o sistema produza alucinações ou outras explicações prejudiciais.

A IA ainda está a um caminho de poder interpretar com precisão as varreduras brutas. Em vez disso, o atual modelo RADGPT depende de um radiologista humano ditando um relatório e só então o sistema extrairá conceitos do que eles escreveram.

“Como em qualquer outra tecnologia de saúde, a segurança é absolutamente fundamental”, disse Sanna Herwald, principal autora do estudo e moradora de Stanford em educação médica de pós -graduação. “A razão pela qual este estudo é tão emocionante é porque os materiais gerados por RADGPT foram geralmente considerados seguros sem modificação adicional. Isso significa que o RADGPT é uma ferramenta promissora que pode, após testes e validação adicionais, educar diretamente os pacientes sobre seus achados de imagens urgentes ou incidentais em tempo real na conveniência do paciente”.

Embora esse LLM ainda precise ser testado em um ambiente clínico, Langlotz acredita que os LLMs que são os fundamentos dessa tecnologia não apenas beneficiarão os pacientes na obtenção de respostas para perguntas médicas comuns, mas também radiologistas, que podem ser mais produtivos ou poder fazer pausas para reduzir a exaustão.

“Se você olhar para os auto-relatos de carga cognitiva-a quantidade de trabalho que seu cérebro está fazendo ao longo de um dia-a radiologia está no topo dessa lista”.