SynthEHR-eviction: повышение обнаружения социальных детерминант здоровья, связанных с выселением, с помощью синтетических ЭМК, дополненных LLM

Почему проблемы с жильём должны быть в медицинских записях

Выселение из жилья может серьёзно подорвать здоровье, но в большинстве медицинских систем это почти не фиксируют. В этой статье описан новый способ обучения искусственного интеллекта распознавать признаки выселения и сопутствующие социальные трудности в врачебных записях. Превращая небольшое количество экспертной работы в большой реалистичный обучающий набор, подход может помочь системам здравоохранения выявлять людей с риском раньше и направлять им помощь по жилью и социальную поддержку.

Когда потеря дома вредит здоровью

Выселение — это не просто смена адреса. Оно связано с бездомностью, безработицей, депрессией и даже повышенной смертностью, особенно сильное влияние наблюдается на маргинализованные группы и в кризисные периоды, например во время пандемии COVID-19. Тем не менее в современных электронных медицинских картах сведения о потере жилья или угрозе выселения обычно встречаются только в свободных текстах, а не в стандартных полях или кодах. Это затрудняет для больниц, исследователей и политиков понимание того, где происходит выселение, кто наиболее пострадавший и когда нужно вмешаться.

Создание реалистичных «синтетических» пациентских историй

Поскольку реальные медицинские заметки, явно указывающие на выселение, редки и чувствительны, авторы разработали конвейер под названием SynthEHR‑Eviction для генерации реалистичных, но полностью синтетических примеров. Они начали с разделов социальных историй в реальных выписных эпикризах и использовали большие языковые модели — ИИ-системы, обученные на массивных текстовых корпусах — чтобы переписать их так, чтобы каждая заметка отражала конкретную жилищную или социальную ситуацию. Эксперты тщательно определили 14 категорий, включая детализированные стадии выселения, такие как «в ожидании», «взаимное соглашение о расторжении аренды» и «прошлое vs. текущее выселение», а также связанные проблемы: бездомность, нехватка продовольствия и сложности с оплатой счетов. Через итеративный процесс с участием человека клиницисты проверяли образцы, отмечали ошибки и возвращали структурированные отзывы в процесс подсказок, пока каждый ИИ «уточнитель» не начал выдавать высокоточные заметки с минимальной неоднозначностью. В результате получился большой публичный набор данных, содержащий 8000 синтетических обучающих заметок и более 600 тщательно размеченных тестовых заметок, смешивающих синтетические случаи с деидентифицированными реальными примерами из крупных исследовательских баз.

Обучение компьютеров чтению между строк

На основе этих синтетических историй команда создала автоматизированную систему разметки, которая не только присваивает категорию, но и выдаёт пошаговое объяснение своего вывода. С использованием фреймворка под названием DSPy они оптимизировали подсказки так, чтобы ИИ сначала решал, вообще упоминается ли выселение, а затем направлял заметку либо в детализированный классификатор выселения, либо в классификатор иных социальных рисков — например, проблем с транспортом или нехваткой пищи. Эта конструкция моделирует то, как человек сначала спрашивает «Упомянуто ли выселение?», а затем распределяет случай по более конкретным категориям. Чтобы сократить ручной труд, исследователи сравнили полное ручное переписывание и разметку 8000 заметок — более 260 часов работы — с их рабочим процессом с поддержкой ИИ, который достиг сопоставимого качества данных менее чем за шесть часов экспертного времени, что составляет сокращение примерно на 80 процентов.

Насколько хорошо работают модели

Вооружившись SynthEHR‑Eviction, авторы затем тонко настроили ряд открытых языковых моделей и сравнили их с коммерческими системами и старыми биомедицинскими моделями. Для простой задачи решения, упоминается ли вообще выселение, многие модели показали хорошие результаты, но тонко настроенные большие модели и вариант GPT‑4, адаптированный под задачу, достигли наивысших показателей. Более сложная проверка заключалась в различении семи тонких статусов выселения и отдельного набора не‑выселительных социальных рисков на трёх наборах данных: синтетических заметках, реальных больничных записях и длинных академических клинических разборов. Здесь тонко настроенные открытые модели, такие как Qwen2.5 и LLaMA‑3, сопоставились или немного превзошли оптимизированный GPT‑4, достигая макро‑F1 — общего баланса точности и полноты — около 0,89 для выселения и выше 0,90 для прочих социальных рисков. Меньшие модели с примерно тремя миллиардами параметров также показали хорошие результаты после тонкой настройки, что указывает на возможность развертывания способных, но более доступных систем в условиях с ограничёнными вычислительными ресурсами.

Почему следы рассуждений и реальные данные всё ещё важны

Исследование показывает, что объяснения помогают некоторым моделям больше, чем другим. Когда тренировочные данные включали короткие явные рассуждения о том, почему заметка указывает на определённый статус выселения, более мелкие модели заметно улучшались, тогда как крупнейшие модели изменялись мало, что говорит о том, что они уже кодируют большую часть этой логики. Эти трассы рассуждений также упрощают экспертную проверку решений моделей, хотя авторы предупреждают, что объяснения не всегда полностью соответствуют тому, как модель действительно принимает решение. Ещё один ключевой вывод: модели, обученные только на синтетических заметках, дают сбои при столкновении с беспорядочным реальным письмом. Простое добавление умеренной доли реальных больничных записей или клинических разборов резко улучшало работу в этих доменах, подчёркивая, что синтетические данные сильны, но сами по себе недостаточны.

От скрытого риска к видимой помощи

В целом статья демонстрирует, что тщательно продуманные синтетические данные в сочетании с целенаправленным экспертным контролем могут превращать разрозненные упоминания о выселении и других трудностях в структурированные сигналы, которые компьютеры способны обнаруживать в масштабе. Проще говоря, система учится «читать между строк» врачебных заметок и отмечать, когда пациент сталкивается или сталкивался с потерей жилья или связанными социальными нагрузками. Если интегрировать такие инструменты в электронные медицинские карты, они могли бы помочь клиницистам и социальным работникам раньше выявлять людей с риском и направлять их к жилищной помощи, финансовому консультированию или поддержке с транспортом. Делая невидимую социальную сторону болезни более явной, SynthEHR‑Eviction предлагает путь к здравоохранению, которое видит и реагирует на полные обстоятельства жизни пациентов.

Цитирование: Yao, Z., Zhao, Y., Mitra, A. et al. SynthEHR-eviction: enhancing eviction SDoH detection with LLM-augmented synthetic EHR data. npj Digit. Med. 9, 292 (2026). https://doi.org/10.1038/s41746-026-02473-0

Ключевые слова: выселение, социальные детерминанты здоровья, электронные медицинские карты, синтетические данные, клиническая обработка естественного языка