Yapay zeka teknolojilerinin sağlık alanındaki uygulamaları giderek yaygınlaşırken, elektronik sağlık kayıtlarının (EHR) analiz edilmesinde karşılaşılan teknik sorunlar için yeni çözümler geliştirilmeye devam ediyor.
Büyük dil modelleri, hasta geçmişlerini analiz ederek zengin bağlamsal bilgiler elde etme konusunda büyük potansiyel gösteriyor. Ancak yapılandırılmış sağlık verilerini işlerken iki temel zorlukla karşılaşılıyor: Zaman damgalı EHR dizilerini düz metne çevirme işlemi hem zamansal yapıyı hem de kod kimliklerini belirsizleştiriyor. Ayrıca, her hasta ayrı ayrı işlendiğinden popülasyon düzeyindeki kalıplar gözden kaçıyor.
RePrompT adlı yeni framework bu sorunlara çözüm getiriyor. Sistem, yapılandırılmış EHR kodlayıcıları ile büyük dil modellerini prompt ayarlama tekniği aracılığıyla entegre ediyor. Bu yaklaşım, modelin temel yapısını değiştirmeden zaman bilincini korumayı sağlıyor.
Geliştirilen yöntem, hasta verilerindeki kod birlikteliği ve uzun vadeli düzenlilikleri yakalama yeteneğini güçlendiriyor. Böylece sağlık profesyonellerinin hasta trajektörilerini daha doğru değerlendirmelerine olanak tanıyor. Bu gelişme, kişiselleştirilmiş tıp ve hasta bakım kalitesinin artırılması açısından önemli fırsatlar sunuyor.