基于LLM的方法用于SIGTAP和OMOP CDM概念之间的自动化词汇映射

科学领域:

• 医疗信息学 医疗信息学
• 医学术语 医学术语 医学术语
• 医疗保健中的人工智能

背景情况:

• 全球医疗保健系统在整合各种医学术语和分类系统方面面临着挑战.
• 电子健康记录 (EHR) 系统的广泛采用需要标准化的信息交换.
• 弥合巴西SIGTAP等国家术语与OMOP CDM等国际标准之间的差距至关重要.

研究的目的:

• 开发和评估用于将巴西SIGTAP词汇映射到OMOP共同数据模型 (CDM) 术语的方法.
• 评估基于大型语言模型 (LLM) 的两个不同的词汇映射管道的有效性.
• 为了比较LLM管道在绘制SIGTAP药物和医疗程序的性能.

主要方法:

• 开发了两个管道用于词汇映射:一个使用文本嵌入和检索增强生成 (RAG) 与LLM,另一个使用LLM代理与预定义的协议.
• 这些管道在SIGTAP词汇的子集上进行了评估,特别是药物和医疗程序.
• 性能指标,包括F1评分和召回,用于比较管道的有效性.

主要成果:

• 这两种基于LLM的管道在绘图程序 (F1: 0.684与0.678) 和药物 (F1: 0.846与0.839) 中都取得了可比的性能.
• 第二个管道,利用具有动态查询改进的LLM代理,在回忆中表现出优势.
• 基于LLM的方法大大减少了领域专家所需的手工工作.

结论:

• 基于LLM的方法对于将国家医疗保健术语映射到OMOP CDM等标准化模型来说是可行的和有效的.
• 基于代理的管道与动态查询改进提供了改进的回忆,提高映射精度.
• 这些发现支持在医疗信息学中使用人工智能,以简化术语集成和减少专家工作量.