LLMを使用した暴露健康のためのスケーリングセンサメタデータ抽出

科学分野:

• 環境衛生科学
• コンピュータ生物学
• データサイエンス

背景:

• 多様なセンサー技術と不一致なメタデータの報告は,エクスポージャーームとエクスポージャームの健康研究を妨げています.
• 構造化されていない文献からセンサメタデータを手動で抽出することは重要なボトルネックです.

研究 の 目的:

• 自動化されたセンサメタデータの抽出と調和のための大規模な言語モデル (LLM) ベースのパイプラインの開発と評価.
• 曝露の医療文献の処理におけるスケーラビリティと効率性の課題に対処する.

主な方法:

• 完全なテキストのPDFを解析するために,ゼロショット設定でGPT-4を使用しました.
• センサーのメタデータを抽出し 構造化されたフォーマットに調和させるパイプラインを開発しました

主要な成果:

• 自動パイプラインは手動の審査と比較して抽出速度を大幅に増加させました.
• 94.74%の平均精度,100%のリコール,そして97.28%のF1スコアで高い性能を達成しました.

結論:

• LLMは,被曝健康におけるセンサメタデータの抽出を自動化する実行可能でスケーラブルなソリューションを提供します.
• このアプローチは手作業を減らし,情報プラットフォームのメタデータの完全性と一貫性を高めます.