Leveraging large language models for patient-ventilator asynchrony detection.

Journal: BMJ health & care informatics
Published Date: Jun 27, 2025

Abstract

OBJECTIVES: The objective of this study is to evaluate whether large language models (LLMs) can achieve performance comparable to expert-developed deep neural networks in detecting flow starvation (FS) asynchronies during mechanical ventilation.

Authors

  • Francesc Suñol
    Institut d'Investigació i Innovació Parc Taulí (I3PT-CERCA), Sabadell, Spain fxsunol@tauli.cat.
  • Candelaria de Haro
    Critical Care Department, Parc Taulí Hospital Universitari, Institut d'Investigació I Innovació Parc Taulí (I3PT-CERCA),, Carrer Parc Taulí, 1, 08208, Sabadell, Spain. cdeharo@tauli.cat.
  • Verónica Santos-Pulpón
    Centro Investigación Biomédica en Red de Enfermedades Respiratorias (CIBERES), Instituto de Salud Carlos III, Madrid, Spain.
  • Sol Fernández-Gonzalo
    Institut d'Investigació i Innovació Parc Taulí (I3PT-CERCA), Sabadell, Spain.
  • Lluís Blanch
    Critical Care Department, Parc Taulí Hospital Universitari, Institut d'Investigació I Innovació Parc Taulí (I3PT-CERCA),, Carrer Parc Taulí, 1, 08208, Sabadell, Spain.
  • Josefina López-Aguilar
    Centro Investigación Biomédica en Red de Enfermedades Respiratorias (CIBERES), Instituto de Salud Carlos III, Madrid, Spain.
  • Leonardo Sarlabous
    Centro Investigación Biomédica en Red de Enfermedades Respiratorias (CIBERES), Instituto de Salud Carlos III, Madrid, Spain.

Keywords

External Resources

Popular Topics
Recent Journals