ICD-Deepresearch: un innovativo flusso di lavoro basato sull'IA per la futura codifica diagnostica clinica
Un articolo disponibile su arXiv (identificativo 2608.17075v1) presenta ICD-Deepresearch, un flusso di lavoro progettato per una ricerca approfondita che prevede i futuri codici della Classificazione Internazionale delle Malattie (ICD) utilizzando le cartelle cliniche elettroniche (EHR). Lo studio, intitolato 'Foundation Agents Meet Agentic Deep Research: Evidence-Grounded Clinical Code Forecasting', integra modelli di base EHR strutturati con modelli di base linguistici per prevedere i codici di diagnosi per le prossime visite cliniche sulla base di dati passati. Utilizza SparseEHR per la prior iniziale della EHR e sfrutta GPT-5 per generare una varietà di codici candidati. Questa metodologia mira a migliorare l'accuratezza e l'interpretabilità della codifica clinica, potenzialmente a beneficio del supporto decisionale e della gestione sanitaria. Metriche di performance specifiche e informazioni di validazione non sono incluse.
Fatti principali
- L'articolo è disponibile su arXiv con identificativo 2608.17075v1 e tipo di annuncio 'cross'.
- Introduce ICD-Deepresearch, un flusso di lavoro DeepResearch per la previsione dei codici ICD della prossima visita.
- Il compito è prospettico e multi-etichetta, prevedendo più futuri codici di diagnosi dai dati EHR storici.
- Combina modelli di base EHR strutturati (SparseEHR) con modelli di base linguistici (GPT-5).
- SparseEHR genera una prior EHR che inizializza due round di espansione della ricerca limitati.
- GPT-5 fornisce una previsione diretta indipendente con candidati complementari.
- Il sistema valuta le transizioni dei candidati utilizzando le evidenze del paziente, le relazioni cliniche esterne e la semantica dei codici sotto un budget top-K fisso.
- Nell'abstract non sono riportate metriche di performance o risultati di validazione.
Entità
—