南非全国基准研究：多模态AI从口头尸检记录推断死因

摘要

背景 及时的死亡原因（COD）信息可指导卫生政策，但低收入和中等收入国家的许多死亡并未经过医学认证。在非洲，经过医学认证的死亡不足10%。口头尸检（VA）可产生结构化症状问卷和自由文本叙述。死亡监测越来越多地在问卷之外记录叙述，但用于生成基于VA的统计数据的算法仅针对结构化回答设计，因此叙述虽可为医生判定COD提供信息，却不参与算法COD判定。我们评估了监督模型能否同时利用这两种模态来改进COD判定。 方法 我们分析了来自南非（RSA）全国登记死亡样本中4,999份12岁及以上死亡者的VA记录，以医生判定的COD作为参考标准。我们在有标签记录上训练了单模态和多模态流程：仅在叙述上微调的预训练语言模型（PLM）、仅在结构化回答上训练的机器学习（ML）模型，以及二者在数据层、特征层和决策层的组合。我们还对本地部署的生成式大语言模型（LLM）在相同的单模态和多模态输入上进行提示，不更新参数。所有方法均与InSilicoVA进行比较，后者是代表当前自动化实践的操作性对照。我们评估了个体层面判定、人群层面一致性、校准以及在南非各省之间的泛化能力，报告这些指标，而非依据其中任何单一指标对流程进行排名。 结果 每个监督流程在top-1准确率上较InSilicoVA提高8.5-15.9个百分点，在死因别死亡率分数（CSMF）准确率上提高3.5-7.1个百分点。叙述流程与结构化流程在总体上表现相似，但按死因存在差异：63.9%的死亡获得相同预测，11.6%仅由叙述流程正确预测，13.6%仅由问卷流程正确预测，叙述流程对非传染性死因更准确，问卷流程对传染性死因更准确。与单模态方法相比，决策融合流程在top-1准确率上增加4.2-5.4个百分点，集中在最常见死因上，而带跨模态注意力的特征融合改善了较不常见死因，在平衡准确率上增加6.6个百分点（95% CI，1.7-11.5），在宏F1上增加5.5个百分点（95% CI，0.6-10.3）。特征融合达到最高CSMF准确率（95.7%）。与较优单模态代表方法的配对差异范围为-0.2至+3.4个百分点，所有区间均包含零。LLM在个体层面指标上超过InSilicoVA，并达到所有流程中最高的平衡准确率（60.6%），而监督流程保持了更高的CSMF准确率。监督流程的期望校准误差低于InSilicoVA。监督方法的增益在所有九个留出省份中均成立，包括每一项top-1比较以及几乎每一项宏F1和CSMF比较。 结论 仅使用叙述的PLM较当前最佳实践有实质性改善，并与使用结构化回答的ML流程相当，而多种多模态策略在个体COD判定上产生了进一步增益。零样本LLM在罕见死因上表现出特别优势，而监督流程更好地还原了人群死因分布。这些发现支持将叙述作为自动化VA系统的核心输入，并针对预期输出评估具有代表性的融合策略。跨环境和年龄组的外部验证将支持更广泛的实施。

利益冲突声明

作者声明无利益冲突。

作者声明

本人确认已遵守所有相关伦理准则，并已获得必要的 IRB 和/或伦理委员会批准。

是

为所描述研究提供批准或豁免的 IRB/监督机构的详细信息如下：

南非全国死因验证（SANCODV）研究已获南非医学研究理事会（SAMRC）人类研究伦理委员会批准（EC004-2/2017），并按照美国疾病控制与预防中心的人类研究保护程序进行了审查。

本人确认已获得所有必要的患者/参与者同意，且相应的机构表格已存档；所包含的任何患者/参与者/样本标识符在研究组之外无人知晓（例如医院工作人员、患者或参与者本人），因此无法用于识别个人。

是

本人理解所有临床试验及任何其他前瞻性干预性研究必须在 ICMJE 批准的注册机构（如 ClinicalTrials.gov）注册。本人确认手稿中报告的任何此类研究均已注册，并提供了试验注册号（注：如果发布的是回顾性注册的前瞻性研究，请在试验 ID 字段中说明为何未提前注册）。

是

本人已遵循所有适当的研究报告指南，例如任何相关的 EQUATOR Network 研究报告清单及其他相关材料（如适用）。

是

数据可用性

本研究产生的所有数据可在向作者提出合理请求后获取

已声明的资助方信息

俄亥俄州立大学，https://ror.org/00rs6vg23，研究生院奖学金