Estrazione e integrazione di informazioni da testo libero per la caratterizzazione dell'assistenza al paziente nelle procedure TAVI: un approccio basato su GPT

Background: Transcatheter aortic valve implantation (TAVI) is a therapeutic option dedicated to patients who present serious comorbidities and who are therefore not candidates for major surgery. Patient care undergoing this particular interventional procedure is an important objective for the cardiovascular department nurse. This project highlights the potential of artificial intelligence (AI) in interpreting nursing care for patients with severe aortic stenosis treated with TAVI. Aim: The present study aimed to assess the feasibility of using LLMs (Large Language Models) for extracting information from the nursing diaries of patients undergoing TAVI. Methods: The retrospective study analyzed anonymous medical and nursing diaries of patients undergoing TAVI in the Cardiology department of a local health authority from 1 January to 30 June 2024. The free text descriptions contained in the medical and nursing diary were manually classified (gold standard). Then, they underwent automatic data extraction and classification using Generative Pre-training Transformer (GPT) model (4o version). The GPT-model performance was assessed according to the gold standard by calculating accuracy, sensitivity, and specificity. Results: The classification task was performed on a sample of 108 clinical cases who underwent TAVI during the study period. The performance of the GPT-based model was very good. Conclusion: This study has demonstrated the potential of GPT based models in extracting and analyzing data concerning nursing care for patients with severe aortic stenosis.

L'impianto di valvola aortica transcatetere (TAVI) è un'opzione terapeutica riservata ai pazienti che presentano gravi comorbilità e che, pertanto, non sono candidati a interventi chirurgici maggiori. La gestione dei pazienti sottoposti a questa particolare procedura interventistica rappresenta un obiettivo importante per l'infermiere del reparto di cardiologia. Questo progetto evidenzia il potenziale dell'intelligenza artificiale (IA) nell'interpretazione dell'assistenza infermieristica per i pazienti con stenosi aortica severa trattati con TAVI. Obiettivo: Il presente studio si proponeva di valutare la fattibilità dell'utilizzo dei modelli di linguaggio di grandi dimensioni (LLM, Large Language Models) per estrarre informazioni dai diari infermieristici dei pazienti sottoposti a TAVI. Metodi: Lo studio retrospettivo ha analizzato i diari medici e infermieristici anonimi dei pazienti sottoposti a TAVI presso il reparto di cardiologia di un'azienda sanitaria locale, nel periodo dal 1º gennaio al 30 giugno 2024. Le descrizioni in testo libero contenute nei diari medici e infermieristici sono state classificate manualmente (gold standard). Successivamente, sono state sottoposte a estrazione e classificazione automatica dei dati utilizzando un modello di Generative Pre-training Transformer (GPT, versione 4). Le prestazioni del modello GPT sono state valutate rispetto al gold standard calcolando accuratezza, sensibilità e specificità. Risultati: Il compito di classificazione è stato eseguito su un campione di 108 casi clinici sottoposti a TAVI durante il periodo di studio. Le prestazioni del modello basato su GPT sono risultate molto buone. Conclusione: Questo studio ha dimostrato il potenziale dei modelli basati su GPT nell'estrazione e nell'analisi dei dati relativi all'assistenza infermieristica per i pazienti con stenosi aortica severa.