A large language model for delirium prediction in the intensive care unit using structured electronic health records
8.0
来源：
Nature
关键字：
AI brain science
发布时间：
2025-11-07 03:33
摘要：
DeLLiriuM是一个创新的基于大型语言模型的谵妄预测工具，利用ICU患者的结构化电子健康记录数据进行开发。该模型在104,303名患者中进行验证，显示出优越的预测性能，AUROC达到82.4。通过将结构化数据转化为文本格式，DeLLiriuM能够更好地捕捉临床上下文信息，从而提高预测准确性。研究结果强调了早期识别谵妄的重要性，以便及时干预和改善患者健康结果。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分+重点关注领域符合度
business_impact
1.0分+商业影响力
scientific_rigor
1.5分+数据支撑的科学性
timeliness_innovation
1.5分+时效性与创新性
investment_perspective
2.5分+BOCG投资视角
market_value_relevance
1.0分+市场价值相关性
team_institution_background
0.5分+团队与机构背景
technical_barrier_competition
0.5分+技术壁垒与竞争格局
关键证据
DeLLiriuM模型在104,303名患者中验证，显示出优越的预测性能。
该模型是首个利用结构化EHR数据的LLM谵妄预测工具。
研究结果表明，DeLLiriuM在外部验证集中的AUROC达82.4，显示出良好的预测能力。
真实性检查
否
AI评分总结
DeLLiriuM是一个创新的基于大型语言模型的谵妄预测工具，利用ICU患者的结构化电子健康记录数据进行开发。该模型在104,303名患者中进行验证，显示出优越的预测性能，AUROC达到82.4。通过将结构化数据转化为文本格式，DeLLiriuM能够更好地捕捉临床上下文信息，从而提高预测准确性。研究结果强调了早期识别谵妄的重要性，以便及时干预和改善患者健康结果。