Accurate identification of comorbidities like Type 2 Diabetes Mellitus (T2DM), Hypertension (HTN), Hyperlipidemia (HLD), and Obstructive Sleep Apnea (OSA) is crucial for managing patients with obesity and for large-scale research. While electronic health record discharge summaries contain rich clinical information, manual extraction is resource-intensive. Large Language Models (LLMs) present a potential automated solution.
Suenghataiphorn, T., Boonpiraks, K., Prasitsumrit, V. et al. Evaluating a large language model for identifying key comorbidities in discharge summaries of patients with obesity: a comparative validation study against ICD codes using MIMIC-IV.
Int J Obes (2026). https://doi.org/10.1038/s41366-026-02145-9
bu içeriği 600 ile 800 kelime arasında olacak şekilde ve alt başlıklar ve madde içermiyecek şekilde ünlü bir science magazine için İngilizce olarak yeniden yaz. Teknik açıklamalar içersin ve Viral science news olacak şekilde İngilizce yaz. Haber dışında başka bir şey içermesin. Haber içerisinde 8 ile 10 paragraf olsun ve toplam uzunluk 600 ile 800 kelime arasında kalsın. Cevapta sadece haber olsun. Ayrıca haberi yazdıktan sonra içerikten yararlanarak aşağıdaki başlıkların bilgisi var ise haberin altında doldur. Eğer bilgi yoksa ilgili kısmı yazma.:
Subject of Research:
Article Title:
Article References:
Suenghataiphorn, T., Boonpiraks, K., Prasitsumrit, V. et al. Evaluating a large language model for identifying key comorbidities in discharge summaries of patients with obesity: a comparative validation study against ICD codes using MIMIC-IV.
Int J Obes (2026). https://doi.org/10.1038/s41366-026-02145-9
Image Credits: AI Generated
DOI:
Keywords
