В пилотном исследовании оценивалось использование больших языковых моделей (LLM) и языка клинического качества (CQL) для извлечения признаков и определения исходов миокардита из данных FHIR пациентов с вакцинацией от COVID-19. Метод с LLM и улучшенный CQL показали высокую точность в определении исходов (23 из 25), при этом LLM превосходно справился с симптомами и визуализационными признаками, а простой CQL — с биомаркерами. Результаты подтверждают возможность использования LLM для вычислимых фенотипов в постмаркетинговом надзоре.
Статья рассматривает проблему создания враждебных AI-систем в управлении использованием медицинских услуг (utilization management), где системы провайдеров и плательщиков работают в противоположных интересах. Описывается сценарий, когда AI-модели провайдеров быстро одобряют запросы на основе клинических данных, в то время как AI-системы плательщиков одновременно помечают эти запросы для возможного отказа из-за потенциального мошенничества или избыточного использования. Результатом становится бесконечный цикл эскалации, аудитов и апелляций, который приоритизирует алгоритмические игры над ориентированными на пациента результатами. Статья ссылается на правило CMS-0057-F (Interoperability and Prior Authorization Final Rule), требующее реализации FHIR-основанных API и своевременных ответов от плательщиков к 2027 году, а также на обязательство AHIP и Blue Cross Blue Shield Association по улучшению процесса предварительной авторизации. Авторы предлагают дизайн AI-систем, ориентированный на сотрудничество, с прозрачностью, отслеживаемостью рекомендаций до клинических критериев и возможностью аудита клиницистами с обеих сторон транзакции. Ключевой вывод: автоматизация без согласованности интересов лишь ускорит дисфункцию системы, тогда как прозрачные и аудируемые AI-модели могут способствовать выравниванию интересов всех сторон.
HL7 International запустил Caliper FHIR Accelerator — сообщество для улучшения обмена данными между медицинскими и персональными устройствами. Проект направлен на создание стандартизированной основы для интеграции данных устройств в реальном времени, что критически важно для развертывания продвинутой аналитики и ИИ в здравоохранении.
