ChatHealthAI: новый мост между EHR и LLM для объяснимой клинической диагностики

Крупные языковые модели (LLM) демонстрируют впечатляющие способности к анализу текста, однако плохо справляются с длинными структурированными записями электронных медицинских карт (EHR). В то же время специализированные модели на основе EHR точно предсказывают состояние пациентов, но не могут объяснить свои выводы на естественном языке. Новый фреймворк ChatHealthAI призван объединить сильные стороны обоих подходов.

Разработчики предложили использовать предобученную модель EHR для извлечения структурированных представлений пациента, а затем через специальный сэмплер (task-aware resampler) согласовывать их с семантическим пространством замороженной LLM. Это позволяет модели рассуждать о клиническом случае на естественном языке, опираясь на реальные данные из истории болезни.

Тестирование проводилось на трёх задачах прогнозирования из набора EHRSHOT. Результаты показали, что ChatHealthAI улучшает качество и интерпретируемость рассуждений, не уступая по точности чистым EHR-моделям. Таким образом, врачи могут не только получить прогноз, но и понять, на основании каких факторов он сделан.

Авторы отмечают, что интеграция EHR и LLM открывает путь к более прозрачным и надёжным системам поддержки клинических решений. Это особенно важно в медицине, где объяснимость алгоритмов напрямую влияет на доверие специалистов и пациентов.

Работа выполнена в рамках направления по созданию гибридных моделей искусственного интеллекта для здравоохранения. Подход ChatHealthAI может найти применение в госпитальных информационных системах, телемедицине и персонализированной терапии.