一个软件管道用于医疗信息提取的大型语言模型,开源,适合瘤学
Isabella Catharina Wiest1,2, Fabian Wolf2, Marie-Elisabeth Leßmann2,3
1Department of Medicine II, Medical Faculty Mannheim, Heidelberg University, Mannheim, Germany.
NPJ precision oncology
|September 17, 2025
概括
大型语言模型 (LLM) 能够有效地从非结构化的瘤临床文本中提取信息. 该LLM-AIx工作流促进快速,保护隐私的数据分析,以改善癌症研究和决策.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 自然语言处理自然语言处理.
背景情况:
- 瘤学的非结构化临床文本阻碍了定量分析.
- 手动提取数据是耗时和昂贵的.
- 大型语言模型 (LLM) 为信息提取 (IE) 提供先进的自然语言处理.
研究的目的:
- 描述LLM-AIx工作流程,从非结构化瘤文本中提取临床实体.
- 通过在当地医院基础设施上的LLM来实现高效的,保护隐私的信息提取.
- 支持临床决策和瘤学大规模数据分析.
主要方法:
- 开发了一种工作流程 (LLM-AIx),利用保护隐私的LLM用于结构化的IE.
- 在当地医院基础设施上实施LLM-AIx,以避免外部患者数据传输.
- 从癌症基因组图谱 (TCGA) 中对100个病理报告进行了LLM-AIx测试,用于TNM阶段提取.
主要成果:
- LLM-AIx成功地从非结构化的瘤学文本中提取了预定义的临床实体.
- 工作流证明了从病理报告中提取TNM阶段信息的实用性.
- LLM-AIx不需要编程技能,并提供一个用户友好的界面.
结论:
- 在瘤学中,LLM-AIx提供了一种新,高效和保护隐私的解决方案,用于从临床自由文本中进行结构化数据提取.
- 这一工作流解决了临床研究和护理中的一个重大障碍.
- 促进快速数据分析,支持改进决策和研究可扩展性.
