共计 1176 个字符，预计需要花费 3 分钟才能阅读完成。
根据《临床传染病》杂志最新研究，马里兰大学医学院开发了一种基于生成式 AI 大语言模型（LLM）的高效工具，能够快速扫描电子病历，识别可能感染 H5N1 禽流感的高风险患者。这项突破性技术为公共卫生安全提供了新的保障。
研究团队分析了 2024 年马里兰大学医疗系统（UMMS）医院急诊科就诊的 13,494 名成年患者的病历。这些患者均表现出急性呼吸道疾病或结膜炎——这些症状与早期 H5N1 感染一致。通过 AI 模型的智能筛查，研究人员成功在数千名因季节性流感和其他常规呼吸道疾病就诊的患者中发现了潜在的 H5N1 感染病例。
- 
- 
- 
- 
- 
- 
AI 模型在扫描急诊科记录时，特别关注了禽流感的高风险暴露信息，例如从事屠宰工作或在饲养鸡、牛等牲畜的农场工作。这些信息往往在病历中偶然提及，但 AI 系统能够准确识别并标记相关病例。经过人工审查，确认其中 14 名患者近期接触过已知携带 H5N1 病毒的动物。
马里兰大学医学院流行病学与公共卫生助理教授 Katherine E. Goodman 博士强调：” 这项研究表明，生成式 AI 可以通过检测高风险患者来填补公共卫生基础设施中的关键空白。随着 H5N1 在美国动物中持续传播，快速识别潜在感染病例对控制疫情至关重要。”
自 2024 年初以来，H5N1 已感染了 17 个州的 1,075 多个奶牛群，超过 1.75 亿只家禽和野生鸟类检测呈阳性。虽然人类病例仍然罕见，但缺乏广泛检测可能导致许多感染未被发现。AI 技术的应用为传染病监测提供了新的可能性。
马里兰大学医学院流行病学与公共卫生教授 Anthony Harris 博士指出：”AI 审查仅需 26 分钟的人工时间，每份患者记录的成本仅为 3 美分，显示出高度的可扩展性和效率。这种方法有潜力创建一个全国性的临床哨点网络，用于新发传染病的监测。”
研究团队还发现，大语言模型（GPT-4 Turbo）在识别动物暴露提及方面表现出色，在 2022-2023 年期间的 10,000 份历史急诊科就诊样本中，其阳性预测值为 90%，阴性预测值为 98%。然而，研究人员强调人工审查的必要性，以确保诊断的准确性。
随着动物传播感染的风险增加，研究人员建议将大语言模型用于实时提醒医疗保健提供者，促使他们更加警惕地询问患者是否接触过受感染的动物，进行针对性检测，并通过隔离患者来控制感染。CDC 目前依赖强制性实验室报告来追踪禽流感，但 AI 技术的应用可以弥补现有系统的不足。
马里兰大学医学院院长 Mark T. Gladwin 博士表示：” 我们正处于一场颠覆性但极具前景的大数据和人工智能革命的前沿。这项研究展示了如何利用 AI 和大数据识别新发传染病的早期信号，使我们能够更早采取行动进行检测并防止其传播。”
随着秋季呼吸道病毒季节的重新到来，拥有一种快速准确的方法来识别需要特殊禽流感检测或治疗期间进行预防性隔离的患者将尤为重要。这项研究的成果为未来传染病的早期监测和防控提供了新的思路。
