इस अध्ययन का उद्देश्य बड़े पैमाने पर भाषा मॉडल (एलएलएम) को मशीन लर्निंग के साथ एकीकृत करके आपातकालीन विभाग (ईडी) मानसिक स्वास्थ्य पुनः प्रवेश जोखिम भविष्यवाणी मॉडल की भविष्य कहनेवाला सटीकता और नैदानिक व्याख्या में सुधार करना है। हमने 30 दिनों के भीतर ईडी पुनः प्रवेश की भविष्य कहनेवाला सटीकता और एलएलएम-वर्धित ढांचे का उपयोग करके मॉडल व्याख्या का मूल्यांकन करने के लिए जनवरी 2018 से दिसंबर 2022 तक 27,904 अद्वितीय मानसिक स्वास्थ्य रोगियों के 42,464 ईडी विज़िट रिकॉर्ड का विश्लेषण किया। LLaMA 3 (8B) का उपयोग करते हुए, हमने बेसलाइन मॉडल की तुलना में उच्च सटीकता (0.882) और F1-स्कोर (0.86) हासिल की, और SDoH वर्गीकरण के लिए उच्च सटीकता (0.95) और F1-स्कोर (0.96) भी दिखाया। एलएलएम निष्कर्षण सुविधा ने एक्सजीबूस्ट के एयूसी को 0.74 से 0.76 और एयूसी-पीआर को 0.58 से 0.61 तक सुधारा। निष्कर्ष में, एलएलएम और मशीन लर्निंग मॉडल के एकीकरण ने भविष्यवाणी की सटीकता में थोड़ा सुधार किया, जबकि स्वचालित चिकित्सकीय रूप से प्रासंगिक स्पष्टीकरण के माध्यम से व्याख्यात्मकता में काफी सुधार हुआ।
