Identificar doença pulmonar intersticial com grandes modelos de linguagem em notas clínicas e alegações

O que aconteceu

A doença pulmonar intersticial (DII) é uma toxicidade potencialmente fatal dos inibidores do controle imunológico e dos conjugados de anticorpos e drogas. Estudos de segurança de medicamentos em bases de dados de saúde identificam DPI com algoritmos baseados em reivindicações que negociam valor preditivo positivo (PPV) contra sensibilidade. Avaliamos se os modelos de linguagem de grande porte (MLMs) melhoram nesses algoritmos, com e sem registros eletrônicos de saúde (EHR), e se esses ganhos se traduzem em benefícios epidemiológicos mensuráveis. Em 309 pacientes oncológicos com códigos de diagnóstico de DPI no Mass General Brigham, adjudicados por dois pneumologistas, comparamos 12 LLMs de acesso aberto com 20 algoritmos baseados em reivindicações publicados. Os LLMs receberam reclamações, notas EHR, ou ambos, sem treinamento específico de tarefas. As medidas foram VPP e rendimento (proporção classificada como positiva). Projetamos a atenuação de uma razão de chances de DPI induzida por drogas sob classificação incorreta de desfecho não diferencial. Os LLMs estenderam a fronteira de rendimento de PPV dos algoritmos publicados com as três entradas. Através do modelo 36 - avaliações de entrada, LLM PPV excedeu o do melhor algoritmo sem requisitos de codificação especialista (Algoritmo 4) em 14,3 pontos percentuais em média. Com as alegações isoladas, Qwen3-8B atingiu 89,8% de VPP (IC 95% 78,2-95,6) em 15,9% de rendimento, versus 86,7% em 4,9% para o algoritmo de VPP mais elevado. Com notas isoladas, Qwen3-32B atingiu 78,9% de VPP em 49,2% de rendimento, versus 64,6% em 51,1% para Algoritmo~4. Com reivindicações e notas combinadas, Qwen3-14B alcançou 100,0% de VPP em 24,3% de rendimento. Sob um cenário simulado de segurança de medicamentos com uma verdadeira razão de chances de 3,0, o odds ratio observado projetado foi 2,67 com insumos combinados versus 1,07 com Algoritmo 4, correspondendo a uma diferença de 46 vezes no tamanho estimado da amostra necessária para poder de 80% (591 versus 27.200 pacientes). Os LLMs de tiro zero oferecem uma alternativa de PPP mais elevada para fenotipagem de reivindicações baseadas em regras para DPI, nos três tipos de entrada. Uma vez que a configuração somente de reivindicações usa os mesmos dados de reivindicações que os algoritmos existentes, ele pode ser implantado em bases de dados administrativas sem notas vinculadas, e pode recuperar o sinal de segurança de drogas de outra forma perdido para resultado de classificação incorreta.