Optimización directa de preferencias guiada por estándares de oro para la asignación de códigos ICD-10-AM y ACHI a partir de resúmenes de alta de pacientes

Qué problema aborda

La asignación de códigos clínicos a partir de resúmenes de alta es fundamental para la investigación clínica, la retribución, la asignación de recursos de salud y la planificación de servicios. En Australia, se utilizan los códigos ICD-10-AM y ACHI para codificar diagnósticos e intervenciones en episodios de atención hospitalaria. Sin embargo, el proceso de codificación manual es laborioso, consume mucho tiempo y presenta variabilidad.

Qué hicieron los autores

Los autores del estudio exploraron la aplicación de modelos de lenguaje de gran tamaño para la automatización de la asignación de códigos ICD-10-AM y ACHI. Inicialmente, normalizaron un conjunto de datos público codificado en ICD-9-CM al sistema de codificación australiano mediante Mapeos de Equivalencia General y similitud semántica en las descripciones de los códigos, validado por un codificador clínico experto. Posteriormente, ajustaron el modelo Meta-Llama-3-8B y compararon el ajuste completo de parámetros con un enfoque eficiente de parámetros llamado QLoRA. Finalmente, aplicaron la Optimización Directa de Preferencias (DPO) utilizando pares de preferencias guiadas por estándares de oro.

Qué encontraron

Los experimentos se realizaron en un subconjunto mapeado del conjunto de datos MIMIC-III y en un conjunto de datos hospitalarios australiano desidentificado. El modelo de parámetros completos alineado con DPO logró la puntuación más alta, alcanzando micro-F1 de 0.7397 en el conjunto de datos mapeado y 0.7834 en el conjunto de datos hospitalario australiano. Estos hallazgos sugieren que la DPO guiada por estándares de oro puede mejorar la concordancia con los conjuntos de códigos de referencia en comparación con el ajuste supervisado por sí solo.

Limitaciones

Los resultados del estudio están limitados a códigos de diagnóstico y procedimiento de alta frecuencia, configuraciones de evaluación de documentos cortos y pares de preferencias DPO revisados por un único anotador. No se detallan otros aspectos metodológicos o de la muestra.

Lectura final

Este estudio representa un avance significativo en la automatización de la codificación clínica, lo que podría reducir la carga de trabajo manual y mejorar la precisión en la asignación de códigos. La implementación de modelos de lenguaje en este contexto tiene el potencial de transformar la forma en que se gestionan los datos clínicos, facilitando así una mejor atención y planificación en el sector salud.