Un modello generativo multimodale per cartelle cliniche elettroniche strutturate e non strutturate

Lo studio affronta una sfida fondamentale nella medicina digitale: l'eterogeneità intrinseca delle cartelle cliniche elettroniche che contengono simultaneamente dati strutturati (parametri vitali, risultati di laboratorio, codici diagnostici) e informazioni non strutturate (note cliniche, referti). Gli approcci tradizionali o serializzano i dati numerici in testo perdendo dettagli temporali e quantitativi, o si limitano ad apprendere dalle sole componenti strutturate senza capacità generative. GDP supera questa limitazione attraverso un'architettura sofisticata: un encoder CNN-Transformer specificamente progettato per gli eventi EHR time-series che vengono poi fusi con rappresentazioni testuali mediante meccanismi di attenzione cross-modale. Il decoder basato su LLaMA consente sia compiti predittivi che generativi. La metodologia di addestramento combina pretraining generativo con obiettivi temporali ausiliari, seguiti da fine-tuning multi-task. Su MIMIC-IV, il modello ha conseguito performance straordinarie: AUROC di 0,923 per insufficienza cardiaca rappresenta un risultato eccezionale considerando la complessità della diagnosi cardiaca, AUROC di 0,817 per diabete tipo 2 dimostra efficacia nella predizione metabolica, mentre AUROC di 0,627 per riammissione indica l'utilità nella gestione ospedaliera a breve termine. Nella generazione narrativa, i metriche ROUGE-L (0,135) e BERTScore-F1 (0,545) indicano coerenza clinica, sebbene i valori ROUGE suggeriscano margini di miglioramento nella copertura lexicale. La valutazione umana è cruciale poiché conferma che il modello non produce solo testo statisticamente coerente ma clinicamente significativo e fedele ai dati originali, aspetto essenziale per l'applicabilità clinica reale.