LLM-AIx:一个开源管道,用于从基于保护隐私的大型语言模型的非结构化医疗文本中提取信息

科学领域:

• 临床信息学 临床信息学
• 自然语言处理自然语言处理.
• 医学数据科学 医学数据科学

背景情况:

• 非结构化的临床文本对定量分析和信息检索提出了挑战.
• 手动审查临床数据是耗时和昂贵的.
• 大型语言模型 (LLM) 为处理医学自由文本提供了新的功能.

研究的目的:

• 从非结构化临床文本中提出基于LLM的信息提取 (LLM-AIx) 的协议.
• 通过在本地集成的保护隐私的LLM来实现结构化数据提取.
• 通过促进有效的信息提取,解决临床研究和实践中的障碍.

主要方法:

• 该LLM-AIx协议包括四个步骤:问题定义/数据准备,数据预处理,基于LLM的信息提取和输出评估.
• 工作流支持当地的医院硬件集成,确保患者数据的隐私.
• 通过匿名化和从虚构的肺栓塞信中提取实体 (症状,横向性) 和从TCGA病理报告中提取TNM阶段来证明.

主要成果:

• LLM-AIx成功地从非结构化的临床文本中提取预定义的实体.
• 该协议有助于在当地基础设施上提取保护隐私的信息.
• 在不同的医疗领域和数据类型中证明了适用性,包括病理学报告.

结论:

• LLM-AIx提供了一种高效,保护隐私的方法,用于将非结构化临床文本转换为结构化数据.
• 这种方法增强了临床决策,患者的结果和大规模数据分析.
• 该协议可以通过易于使用的界面访问,不需要编程知识.