대규모 언어 모델로 환자 재입원 예측

병원에서 퇴원하는 것은 환자에게 있어서 중요한 이정표입니다. 그러나 때로는 그것이 회복의 길의 끝이 아닐 수도 있습니다. 미국 병원 환자의 거의 15%가 첫 퇴원 후 30일 이내에 재입원하는데, 이는 종종 환자와 병원 모두에게 더 나쁜 결과와 더 높은 비용과 관련이 있습니다.

뉴욕 대학교 산하 의료 센터인 NYU Langone Health의 연구원들은 NVIDIA 전문가들과 협력하여 환자의 30일 재입원 위험과 기타 임상 결과를 예측하는 LLM(대형 언어 모델)을 개발했습니다.

의료 시스템의 6개 입원 환자 시설에 배포된 NYUTron 모델은 오늘 과학 저널 Nature에 소개되었으며 재입원 가능성을 줄이기 위해 임상 개입이 필요한 환자를 식별하는 데 도움이 될 수 있는 AI 기반 통찰력을 의사에게 제공합니다.

NYU Grossman School의 방사선학 및 신경외과 조교수인 Eric Oermann 박사는 "병원에서 환자를 퇴원시킬 때 환자가 다시 돌아올 필요가 있을 것이라고 기대하지 않거나 병원에 더 오래 입원했어야 했을 것입니다"라고 말했습니다. 의학 박사이자 NYUTron의 주요 공동 작업자입니다. "AI 모델의 분석을 사용하면 임상의가 환자의 재입원 위험을 높이는 상황을 예방하거나 해결할 수 있는 역량을 곧 강화할 수 있습니다."

이 모델은 지금까지 NYU 의료 시스템에서 퇴원한 50,000명 이상의 환자에게 적용되었으며, 이메일 알림을 통해 의사와 재입원 위험 예측을 공유합니다. Oermann의 팀은 다음으로 NYUtron의 분석을 기반으로 한 개입이 재입원율을 감소시키는지 여부를 테스트하기 위한 임상 시험을 계획하고 있습니다.

미국 정부는 병원이 제공하는 진료의 질을 나타내는 지표로 30일 이내 재입원율을 추적합니다. 요율이 높은 의료기관에는 벌금이 부과됩니다. 이는 병원이 퇴원 절차를 개선하도록 장려하는 수준의 정밀 조사입니다.

최근 퇴원한 환자가 병원에 ​​재입원해야 하는 데에는 여러 가지 이유가 있습니다. 그중에는 감염, 항생제 과다 처방, 너무 일찍 제거된 수술 배액 등이 있습니다. 이러한 위험 요인을 조기에 발견할 수 있다면 의사는 치료 계획을 조정하거나 병원에서 환자를 더 오랫동안 모니터링하여 개입할 수 있습니다.

Oermann은 "1980년대부터 환자의 재입원을 예측하는 컴퓨터 모델이 있었지만 우리는 이를 의료 시스템 규모의 임상 텍스트 코퍼스가 필요한 자연어 처리 작업으로 취급하고 있습니다"라고 말했습니다. "우리는 사람들이 이전에 고려하지 않았던 통찰력을 포착할 수 있는지 확인하기 위해 전자 건강 기록의 구조화되지 않은 데이터에 대해 LLM을 교육했습니다."

NYUTron은 NYU Langone Health의 10년간의 건강 기록(거의 400,000명의 환자를 대표하는 40억 단어 이상의 임상 노트)을 바탕으로 사전 교육을 받았습니다. 이 모델은 재입원 예측을 위한 최첨단 기계 학습 모델에 비해 정확도가 10% 이상 향상되었습니다.

30일 재입원이라는 초기 사용 사례에 대해 LLM을 교육한 후 팀은 약 일주일 만에 4개의 다른 예측 알고리즘을 개발할 수 있었습니다. 여기에는 환자의 입원 기간, 병원 내 사망 가능성, 환자의 보험 청구 거부 가능성을 예측하는 것이 포함됩니다.

Oermann은 "병원을 운영하는 것은 어떤 면에서는 호텔을 운영하는 것과 같습니다."라고 말했습니다. "병원을 보다 효율적으로 운영하는 데 도움이 되는 통찰력은 더 많은 병상을 확보하고 더 많은 환자에게 더 나은 진료를 제공한다는 것을 의미합니다."

NYUTron은 NVIDIA A100 Tensor Core GPU의 대규모 클러스터에서 NVIDIA NeMo Megatron 프레임워크를 사용하여 훈련된 수억 개의 매개변수를 갖춘 LLM입니다.

Oermann은 "현재 언어 모델에 대한 대화의 대부분은 수십억 개의 매개변수가 있는 거대한 범용 모델에 관한 것이며 수백 또는 수천 개의 GPU를 사용하여 지저분한 데이터 세트에서 훈련되었습니다"라고 말했습니다. "대신 우리는 의료 관련 작업을 수행하기 위해 고도로 정제된 데이터로 훈련된 중간 규모 모델을 사용하고 있습니다."