Leveraging time-series electronic health records with large language models for chronic kidney disease diagnosis in primary care.

چکیده اصلی

OBJECTIVES: Chronic kidney disease (CKD) presents a growing public health challenge in China, exacerbated by low patient awareness and limited nephrology resources. This study evaluated the potential of large language models (LLMs) to support CKD diagnosis in primary care using time-series electronic health record (EHR) data. METHODS: Longitudinal data were extracted from the EHR system of Weinan, China. Among 29 963 adults meeting inclusion criteria, 2300 participants were randomly sampled to generate clinical vignettes. CKD status was determined using diagnosis data, and individuals with early kidney injury indicated by laboratory abnormalities who lack a formal diagnosis were also identified. Using the DeepSeek LLM with prompt engineering, we generated binary CKD diagnoses and probability scores based on EHR data. Diagnostic performance was evaluated using accuracy, sensitivity, specificity, F1 score, area under the curve (AUC) and the detection rate for early kidney injury and compared with traditional machine learning (ML) models. RESULTS: Using 1-month EHR data, the LLM achieved an accuracy of 87.0%, AUC of 0.921, F1 score of 0.579, sensitivity of 89.1%, specificity of 86.8%, and detection rate for early kidney injury of 42.2%. With 1-year data, sensitivity increased to 92.2% and early detection to 52.6%. DISCUSSION: The LLM outperformed ML models across most metrics, achieving diagnostic performance comparable to clinicians and further enhancing detection for early kidney injury. CONCLUSIONS: LLMs applied to time-series EHR data may serve as a clinical decision support tool to improve CKD diagnosis in primary care, with particular value in resource-limited settings.

ترجمه فارسی چکیده

هدف: بیماری مزمن کلیه (CKD) چالش‌های سلامت عمومی در حال رشد در چین است که با آگاهی پایین بیماران و منابع محدود نروپاتولوژی تشدید شده است. این مطالعه پتانسیل مدل‌های زبانی بزرگ (LLM) را برای پشتیبانی از تشخیص CKD در مراقبت‌های اولیه با استفاده از داده‌های پزشکی الکترونیکی سری زمانی (EHR) ارزیابی کرد. روش‌ها: داده‌های طولی از سیستم EHR وینان، چین استخراج شد. از میان 29,963 بالغ که معیارهای ورود را داشتند، 2,300 شرکت‌کننده به صورت تصادفی نمونه‌برداری شدند تا سناریوهای بالینی تولید کنند. وضعیت CKD با استفاده از داده‌های تشخیص تعیین شد و افراد با آسیب اولیه کلیه که با ناهنجاری‌های آزمایشگاهی نشان داده می‌شدند اما تشخیص رسمی نداشتند نیز شناسایی شدند. با استفاده از LLM DeepSeek و مهندسی پرامپت، تشخیص‌های باینری CKD و امتیازات احتمالی بر اساس داده‌های EHR تولید شدند. عملکرد تشخیصی با دقت، حساسیت، ویژگی‌مندی، امتیاز F1، مساحت زیر منحنی (AUC) و نرخ تشخیص آسیب اولیه کلیه ارزیابی شد و با مدل‌های یادگیری ماشین سنتی مقایسه شد. نتایج: با استفاده از داده‌های EHR یک ماهه، LLM دقت 87.0٪، AUC 0.921، امتیاز F1 0.579، حساسیت 89.1٪، ویژگی‌مندی 86.8٪ و نرخ تشخیص آسیب اولیه کلیه 42.2٪ را به دست آورد. با داده‌های یک ساله، حساسیت به 92.2٪ و تشخیص زودهنگام به 52.6٪ افزایش یافت. بحث: LLM در اکثر شاخص‌ها از مدل‌های یادگیری ماشین برتر بود و عملکرد تشخیصی قابل مقایسه با پزشکان را به دست آورد و تشخیص آسیب اولیه کلیه را بهبود بخشید. نتیجه‌گیری: LLM‌های اعمال شده بر داده‌های EHR سری زمانی می‌توانند به عنوان ابزار پشتیبانی از تصمیمات بالینی برای بهبود تشخیص CKD در مراقبت‌های اولیه عمل کنند، با ارزش ویژه در محیط‌های با منابع محدود.

متن کامل اصلی