用大型语言模型提取临床信息:关于器官采购的案例研究
Hammaad Adam1, Junjing Lin2, Jianchang Lin2
1Massachusetts Institute of Technology, Cambridge, MA, USA.
概括
大型语言模型 (LLM) 现在可以从器官采购的临床笔记中提取关键的数值数据,如实验室结果. 这一进步改善了对潜在器官捐献者的数据分析.
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.
- 医疗保健数据提取数据提取
背景情况:
- 大型语言模型 (LLM) 显示出临床文本分析的前景.
- 现有的LLM应用程序往往忽略了提取数值临床数据 (例如,实验室测试,生命体征).
研究的目的:
- 评估LLM在器官采购中从临床文本中提取数值数据的能力.
- 在这个领域开发和验证基于LLM的数字数据提取方法.
主要方法:
- 开发了一种LLM方法,包括数字提取的特定提示策略.
- 实施了新的启发式学习方法,以减轻提取数据中的幻觉.
- 在298个手写的临床笔记上验证了该方法.
主要成果:
- 在提取数值数据时,LLM方法实现了高准确度,精度和回忆.
- 从14,342名潜在器官捐献者的43,719条笔记的大数据集上证明了该方法的实用性.
结论:
- 在器官采购环境中,LLM有效提取数值临床数据.
- 这种方法增强了下游数据分析,并支持使器官采购数据可用于研究.
更多相关视频
03:14Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness
Published on: December 6, 2024
1.0K
05:47Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems
Published on: June 13, 2025
1.3K
