中科院1區|IF10+：加大醫學系團隊利用GPT-4+電子病歷分析，革新肝硬化并發癥隊列識別

在當下的科研領域，人工智能尤其是大語言模型的迅猛發展，正為各個學科帶來前所未有的機遇與變革。在醫學范疇，從疾病的早期精準篩查，如AI預測系統可提前數年察覺阿爾茨海默病等千余種疾病風險，到影像診斷中顯著降低骨折漏診率，AI的應用已逐步滲透。在生物醫學研究方面，單細胞RNA測序技術結合人工智能，為深入解析細胞異質性開拓了新思路。于此同時，大語言模型在醫學知識問答、臨床報告生成等場景中也嶄露頭角。在這樣充滿活力與創新的大背景下，一篇發表于知名期刊Hepatology的論文，另辟蹊徑，巧妙運用生物信息方法及其他手段，在肝病研究領域取得了令人矚目的成果，接下來就讓我們深入探究這篇論文的精妙之處。?

https://doi.org/10.1097/HEP.0000000000001115

正式介紹

基本信息

• 論文標題：利用GPT-4評估基于編碼的肝硬化及其并發癥識別的陽性預測值

• 發表期刊：Hepatology，中科院醫學大類分區1區，IF=12.9002

• 發表日期：2025年6月1日在線發表

研究背景

臨床需求矛盾：肝硬化及并發癥的隊列識別依賴診斷編碼（如 ICD 碼），但編碼準確性低（既往研究 PPV 僅 43%-91%），且無法區分“活動性”與“歷史性”病情；手動 chart review 雖為金標準，卻耗時耗力，難以規模化。技術機遇：大語言模型（LLM）如 GPT-4 具備非結構化文本解析能力，可高效處理電子健康記錄（EHR），為解決上述問題提供可能。

研究思路

數據提取：從 UCSF 醫療中心提取2013-2022 年 3788 份肝硬化相關出院小結，基于OMOP 編碼分為肝硬化、肝性腦病、腹水等 5 類隊列。雙軌驗證設計： 金標準：隨機抽取 5%-10% 病例進行手動 chart review，由資深醫生校正。LLM 方法：使用GPT-4-turbo-128k 設計零-shot 提示，識別出院小結中“活動性”病情，對比手動 review 計算準確性（Accuracy、PPV 等）。規模化評估編碼性能：以 LLM 分類為“銀標準”，計算傳統 OMOP 編碼在全部 3788 份小結中的 PPV，評估編碼可靠性。

研究亮點

方法學突破：首次在肝病領域將 GPT-4 作為“銀標準”規模化評估診斷編碼性能，替代部分手動 review。臨床價值：證明 LLM 可準確區分肝硬化并發癥的“活動性”（Accuracy 87.8%-98.8%），為 EHR 數據的高效利用提供技術支撐。成本效益：LLM 單例分析成本僅 0.05 美元，顯著低于手動 review，為大規模隊列研究提供經濟可行的方案。

數據來源和生物信息方法

1、數據來源

數據來源：UCSF 醫療中心 2013-2022 年肝硬化患者的電子健康記錄（EHR），包含 3788 份出院小結，涉及 2747 例患者。

2、生物信息方法

GPT-4 部署：通過 UCSF 合規的 Versa API 調用 GPT-4-turbo-128k，使用零-shot 提示工程，溫度參數調優至 0.0 和 0.7。提示工程：設計 5 組針對性提示，識別肝硬化及 4 種并發癥的活動性，如“請判斷該患者在住院期間是否存在活動性肝性腦病，并說明臨床管理措施”。統計分析。

主要結果

1、傳統編碼vs手動chart review（金標準）

肝硬化識別 PPV 為 82.2%；并發癥中腹水 PPV 最高（72.8%），肝性腦病最低（41.7%）。小結：傳統編碼對肝硬化本身識別尚可，但對并發癥（尤其是肝性腦病）準確性差，提示編碼無法可靠反映“活動性”病情。

2、GPT-4vs手動chart review（金標準）

肝硬化識別Accuracy 最高達 98.8%（溫度 0.0），PPV 98.9%；肝性腦病 Accuracy 96.3%（溫度 0.7），腹水 PPV 達 100%（溫度 0.0 和 0.7）；胃腸道出血與自發性細菌性腹膜炎 Accuracy 分別為 87.8% 和 90.7%。小結：GPT-4 對肝硬化及并發癥的“活動性”識別準確性顯著高于傳統編碼，尤其在腹水等場景中接近完美（PPV 100%）。

3、傳統編碼 vs GPT-4（銀標準）

肝硬化PPV 79.8%；并發癥PPV 53.9%-67.6%，其中肝性腦病（53.9%）和腹水（55.3%）仍較低。小結：以LLM為銀標準，傳統編碼局限性進一步凸顯，提示需結合NLP技術優化隊列識別。

4、LLM 成本與效率分析

單例分析成本0.05 美元，總 token 消耗隨病例數增加而線性增長（如肝硬化 3788 例消耗 1881 萬tokens，成本 188.18 美元）。小結：LLM 方法兼具高效性與經濟性，適合大規模隊列研究。

研究結論

GPT-4等LLM可準確識別肝硬化及并發癥的“活動性”（Accuracy 87.8%-98.8%），性能顯著優于傳統診斷編碼。以LLM作為“銀標準”可規模化評估編碼性能，發現傳統方法對并發癥識別的不足。LLM方法成本低、可擴展，有望替代部分手動chart review，成為臨床研究隊列識別的新標準。

研究的局限性和未來方向

局限性：手動review存在9.2%的校正率，本身可能引入誤差；數據依賴OMOP編碼提取，可能存在信息丟失；GPT-4的通用性有待外部隊列驗證。

未來方向：在不同醫療機構使用Llama 3、Claude等模型驗證結果；應用LLM區分肝硬化病因；開發基于LLM的實時EHR數據標注工具。

感謝您的閱讀，歡迎關注“生信學術縱覽”。謝謝您的分享、點贊+在看！