关键词:
人工智能
大语言模型
高血压
结构化数据库
诊疗效率
摘要:
目的针对高血压诊疗过程中生成的大量非结构化数据,基于Yi-9B大语言模型构建高血压结构化数据库,提升数据管理效率并为临床决策提供支持。方法提取2014-2023年于该院就诊的114369例高血压患者病历中的关键临床信息,使用Yi-9B大语言模型进行实体识别与数据结构化,并设计数据库架构用于统计分析和临床应用。结果数据库结构化处理后,收缩压和舒张压分别为(149.98±20.55)mmHg和(86.90±13.75)mmHg。按血压水平分类,正常高值高危、高血压1级很高危和高血压2级很高危比例最高,分别占20.73%、27.80%和19.59%。52.64%的患者合并心脏疾病,10.18%合并糖尿病,12.71%合并高脂血症。logistic回归分析显示,>50~60岁和>60~70岁为高发年龄段,且随年龄增长,收缩压呈上升趋势,反映高血压在老龄化中的普遍性。该数据库在临床应用中明显提升了诊疗效率,实现了数据的高效分析和管理。结论基于Yi-9B大语言模型的高血压结构化数据库有效处理了非结构化数据,明显提升数据提取和管理效率,该数据库有助于优化诊疗决策、提高管理效率,为智能化管理和个性化诊疗提供支持。