半数酒精、药物和自伤相关急诊就诊无法在编码的急诊科数据中被识别: 一项大语言模型诊断准确性研究

摘要

一项两阶段诊断准确性研究在英国Type 1急诊科（≥16岁）以共识判定参考标准（n=2,256）为对照，评估临床编码、临床医生审查与本地部署大语言模型（LLM）识别酒精、药物和自伤就诊的能力。参考标准识别12.1%，编码6.0%，临床10.0%，LLM 15.6%。LLM平衡准确率不劣于或优于临床医生（酒精0.942对0.930，p=0.635；药物0.959对0.791，p < 0.001；自伤0.982对0.908，p=0.004）。编码每例识别患者记录1.07个领域，参考标准为1.32。应用于105,096例年度就诊后，校正后年度患病率相当于每年12,890个领域涉及无法从编码数据识别；至少81.6%自伤就诊需先接受外伤或过量医疗评估。结论：编码识别不足一半且全年存在漏录，LLM可在NHS基础设施内从现有临床文本生成更完整的结构化数据，规模为人工审查所不可及。