أصبح التحدي المتمثل في إجراء التشخيص الدقيق في المستشفيات عند استقبال المرضى ضرورة ملحة، حيث يجب اتخاذ القرار بسرعة مع توفر أدلة غير كاملة. في ظل هذه الظروف، قد لا تكون المعايير التقليدية لتوقع التشخيصات مناسبة إطلاقاً، إذ أنها غالباً ما تقتصر على مجموعات رموز مغلقة وتستبعد الملاحظات النصية الحرة.

لتلبية هذا الاحتياج، تم تقديم معيار EarlyDx، وهو معيار ضخم تم إنشاؤه من 154,834 حالة في قسم الطوارئ، ويعتمد على البيانات المتاحة عند وقت القبول. هذا المعايير تكون بإشراف التشخيصات المسجلة في زمن الحضور، بدلاً من الاعتماد على التشخيصات الموجودة عند خروج المريض من المستشفى.

تحقق نماذج اللغات الضخمة (LLM) سياق التشخيص من خلال عملية تقييم دقيقة، حيث يتم التحقق من كل تصنيف نصي حر كداعم أو شبه داعم أو غير داعم للأدلة. تتمثل النقطة الأساسية في أن النتائج تتعلق فقط بتصنيفات مدعومة بشكل كامل.

تمت دراسة فعالية الأنظمة قيد التقييم، بما في ذلك الأنظمة العامة المتقدمة، والأنظمة المتخصصة في الطب. للأسف، لا تستطيع أي من الأنظمة تقييم الأدلة عند وقت القبول بدقة كافية. وبهذا، فإن النماذج العاملة بدون تدريب تتعثر في تحقيق تغطية للتشخيصات التي يجب استنتاجها بدلاً من قراءتها من السجل، حيث استطاعت فقط استعادة 3-31% منها. هذا بينما يزيد التدريب اللاحق من هذه النسبة إلى 56%.

مع اعتماد هذه المنهجية الجديدة، يمكن لمعيار EarlyDx أن يغير نوعية التشخيص في أقسام الطوارئ بشكل جذري، مما يساعد على تحسين حساسية ودقة القرارات الطبية الحيوية في الوقت المناسب.