返回公开档案

伦敦国王学院团队获Wellcome资助,用大语言模型整理精神科用药记录

伦敦国王学院团队入选Wellcome心理健康数据奖英国2026年度六个获资助团队之一,将开发工具,利用大语言模型(LLM)把精神健康电子健康记录(EHR)中碎片化的用药信息转为可供研究使用的纵向用药史。

工具面向研究人员、英国国家医疗服务体系(NHS)分析师和政策团队,用于分析处方轨迹、换药和多种药物同时使用。

项目由Yamiko Msosa博士领导,设在英国国家卫生与照护研究院(NIHR)生物医学研究中心(BRC)Maudsley信息学主题组,尚处开发阶段,未披露临床或服务效果。

事实原始来源可核对
事实与证据边界

伦敦国王学院(King's College London)发布消息称,该校研究人员入选Wellcome心理健康数据奖英国2026年度(Wellcome Mental Health Data Prize UK 2026)六个获资助团队之一。 获奖团队将开发一款数据工具,使用大语言模型(LLM)把精神健康记录中碎片化的用药信息转化为可供研究使用的纵向用药史。

该工具将结合自由文本临床记录中捕捉的结构化处方数据,供研究人员、英国国家医疗服务体系(NHS)分析师和政策团队使用,以分析处方轨迹、换药以及多种药物同时使用的情况。 项目由Yamiko Joseph Msosa博士领导,团队设在英国国家卫生与照护研究院(NIHR)生物医学研究中心(BRC)Maudsley信息学主题组,使用经NHS批准的安全基础设施。

工具开发将纳入临床医生、研究人员和有亲身经历者的迭代意见,通过有针对性的患者与公众参与(PPIE)确保产出合乎伦理、有意义且可解释。 原文指出,精神健康数据集中包含关于用药暴露、随时间变化及相关结局的丰富信息,但这些信息多嵌入在碎片化的电子健康记录(EHR)自由文本临床文档中,难以系统用于研究、服务评估和早期干预分析。

原文提到,自然语言处理和大语言模型(LLM)的近期进展为改变现有精神健康数据结构化和分析方式提供了机会; 迄今为止,LLM在医疗领域的大多数应用集中在床旁或决策支持场景,负责任地将这些方法用于改善复杂精神健康数据的研究可及性和解读的工具仍存在明显缺口。

分析判断

该项目属于研究基础设施与数据治理方向,而非直接面向患者的AI(人工智能)心理干预产品。 其核心价值在于用LLM(大语言模型)把非结构化临床文本转为可分析的用药轨迹,可能改变精神科早期干预研究的数据可得性。 需要区分的是,这只是资助与开发阶段的公告,没有公布工具性能、准确率或对临床结局的影响;

原文也明确指出现有LLM医疗应用多集中在床旁或决策支持,研究用途工具存在缺口,这意味着该工具能否在真实NHS(英国国家医疗服务体系)数据上稳定运行、如何避免自由文本抽取错误,仍是待验证问题。

后续观察信号

  • 追踪Wellcome心理健康数据奖英国2026年度其他获资助团队及方向
  • 关注该工具是否扩展到精神健康以外的用药数据场景

原创编辑内容 © BlisseMind Insight。欢迎分享原文链接;全文转载须取得授权。引用的研究、数据及第三方材料的权利归相应权利人所有。

署名与转载说明

Insight 智能顾问

BlisseMind Insight

你好,我是 Insight 智能顾问。

我可以帮你查找公开市场信息、解读研究内容、比较公司与竞品,并提供可核对的来源。