利用GPT-4识别电子健康记录中的癌症表型:GPT-4,GPT-3.5-turbo,Flan-T5和spaCy基于规则和基于机器学习的方法之间的性能比较

科学领域:

• 人工智能在医学中的应用
• 医疗保健的自然语言处理.
• 临床信息学 临床信息学

背景情况:

• 从电子健康记录 (EHR) 中准确的临床表型识别对于患者健康洞察至关重要,特别是当结构化数据有限时.
• 非小细胞肺癌 (NSCLC) 研究从详细的表型提取中获益,以了解疾病进展和治疗疗效.
• 评估用于临床文本分析的高级语言模型对于改善医疗保健中的数据利用至关重要.

结论:

• 由于其先进的预训练和模式识别能力,GPT-4显著提高了从EHR文本中的临床表型识别.
• 该模型的有效性是数据驱动和稳健的,即使输入中的上下文信息有限.
• 虽然基于规则的系统具有实用性,但GPT模型提供了卓越的上下文理解,并从复杂的EHR数据中更有效地提取临床表型.