使用大型语言模型从儿科临床报告中提取时间关系
Judith Jeyafreeda Andrew1,2, Juliette Potier1, Nicolas Garcelon1
1Clinical Bioinformatics Laboratory, INSERM UMR1163, Imagine Institute, Université Paris Cité, Paris, F-75006, France.
JAMIA open
|November 24, 2025
概括
大型语言模型 (LLM) 显示出从儿科罕见病报告中提取时间关系的希望. 将任务简化为二进制分类显著提高了性能,使得可以自动创建患者时间表.
科学领域:
- 临床自然语言处理 临床自然语言处理
- 医疗保健中的人工智能
背景情况:
- 自动创建患者时间表对于管理儿科罕见病至关重要.
- 从临床报告中提取时间关系是一个关键的挑战.
研究的目的:
- 评估大型语言模型 (LLM) 来从儿科罕见病临床报告中提取时间关系.
- 通过LLMs实现自动化患者时间线创建.
主要方法:
- 使用25份临床报告开发了一个时间关系提取框架.
- 在安全的本地环境中,使用3个LLM实现了几次射击提示.
- 比较二进制与多类分类方法.
主要成果:
- 二元分类显著优于多类方法的时间关系提取 (最佳F1:0.70).
- 米斯特拉22B显示了最强的整体性能,尽管模型优越性有所不同.
- 复杂的时间关系仍然具有挑战性 (F1:0.03-0.40).
结论:
- 任务的制定,特别是二进制分类,对临床领域的LLM有效性产生了重大影响.
- 少数镜头的方法可以安全地从法语儿科文本中提取时间关系.
- 这种方法为医疗机构提供了可行的解决方案,这些机构有严格的数据治理.
更多相关视频
07:50A Metadata Extraction Approach for Clinical Case Reports to Enable Advanced Understanding of Biomedical Concepts
Published on: September 20, 2018
16.4K
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
