Using Large Language Models to Derive Prognostic Indices from Emergency Department Records: A Retrospective Study

Negli ultimi anni, la crescente complessità nella gestione dei pazienti anziani ha evidenziato la necessità di strumenti prognostici multidimensionali in grado di valutare in modo più completo la fragilità geriatrica. Il Multidimensional Prognostic Index (MPI) e la sua versione abbreviata, il Brief MPI, si sono dimostrati strumenti efficaci nella predizione della mortalità entro un anno nei pazienti anziani. Tuttavia, il loro calcolo manuale è spesso poco pratico in contesti di emergenza, a causa della scarsità di tempo e dell’assenza di dati strutturati. Questa tesi esplora la fattibilità tecnica dell’impiego di Large Language Models (LLM) per la stima automatica del Brief MPI su dati clinici retrospettivi del Pronto Soccorso di Forlì (2017–2022). A partire da un dataset contenente oltre 110.000 accessi di pazienti over 65, è stata sviluppata una pipeline che genera automaticamente dei prompt testuali contenenti informazioni cliniche strutturate e semi-strutturate, successivamente utilizzati per interrogare un LLM (DeepSeek-V3). Il modello ha restituito, per ciascun paziente, stime numeriche dei domini che compongono il Brief MPI. I risultati mostrano che, pur in assenza di fine-tuning specifico, l’approccio consente di ottenere stime coerenti in molti casi, ma che permangono criticità legate a fenomeni di allucinazione, ambiguità interpretativa e sensibilità alla qualità dei dati. Il lavoro evidenzia le potenzialità dell’uso degli LLM per l’automazione della valutazione prognostica geriatrica e propone linee di sviluppo per migliorare affidabilità e sicurezza in contesti clinici reali.