ON USING LARGE LANGUAGE MODELS TO ENHANCE CLINICALLY-DRIVEN MISSING DATA RECOVERY ALGORITHMS IN ELEC

这篇文章聚焦电子健康记录（EHR）中缺失数据的恢复问题，创新性地将大语言模型（LLM）与临床驱动的“路线图”结合，提出了兼顾准确性与可扩展性的算法，有效解决了传统人工图表审查成本高、效率低的痛点。

一、文章主要内容

文章围绕EHR中缺失数据恢复展开，核心是验证“基于ICD-10代码的LLM增强型路线图算法”的效果，具体内容分为以下模块：

1. 研究背景与问题

• EHR是学习健康系统（LHS）的核心数据来源，但因临床环境快节奏，数据常存在缺失和错误，且缺失并非随机（如依赖医生开具检查决定是否测量）。
• 研究目标是计算“非稳态负荷指数（ALI）”（反映身体应激损伤的可计算表型，含10个生物标志物），但EHR中部分生物标志物（尤其是罕见炎症指标）测量频率低，缺失问题突出。
• 传统人工图表审查虽能验证和恢复数据，但需大量人力（4名审查员耗时6个月仅处理100名患者），成本高、可扩展性差，无法覆盖大规模样本（如1000人研究）。

2. 研究方法

• 数据与样本：基于1000名18-65岁初次就诊患者的EHR数据，其中100人用于人工图表审查，1000人用于算法规模化验证。
• 路线图设计：
  • 基础路线图：由临床专家制定，含20个搜索术语（如“高血压”对应血压指标），可匹配ICD-10代码。
  • LLM增强路线图：分两类，一是“无上下文LLM路线图”（仅基于生物标志物名称和健