知识的性能边界提示:对大型语言模型中ICD编码任务的注入策略和规模效应的研究
Xiaosong Jiang1, Chen Wang2, Guxue Shan2
1Nanjing Drum Tower Hospital Clinical College of Nanjing University of Chinese Medicine, Nanjing, China.
使用大型语言模型 (LLM) 和专门提示的优化国际疾病分类 (ICD) 编码显著提高了准确性. 具有上下文提示的DeepSeek-V3显示了在医疗记录编码中临床应用的巨大潜力.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 临床文档 临床文档
背景情况:
- 国际疾病分类 (ICD) 编码对于医疗保健业务至关重要,但传统上是手动的,导致错误和低效率.
- 大型语言模型 (LLM) 提供了自动化医疗记录编码的机会,但仍面临临临床复杂性和专业知识的挑战.
研究的目的:
- 评估不同基于知识的提示策略如何影响LCM在ICD编码中的表现.
- 确定最佳的LLM和提示组合,以准确编码医疗记录.
- 评估这些自动化方法在现实世界临床环境中的有效性.
主要方法:
- 创建了800份泌尿器科出院摘要的数据集,用于评估GPT-4o的五种提示策略.
- 然后将表现最佳的策略应用于多个LLM,以比较它们的编码精度.
- 通过初级诊断,二级诊断和外科手术程序编码来评估性能.
主要成果:
- 根据医疗专业量身定制的上下文提示给出了GPT-4o (84-85%) 的最高准确度.
- 使用这种专门的提示策略,DeepSeek-V3实现了卓越的整体性能,精度从88.6%到93.3%不等.
- 综合框架在自动化ICD编码准确性和效率方面取得了显著的改进.
结论:
- 结合上下文提示与DeepSeek-V3的综合框架大大提高了自动ICD编码.
- 这种方法显示了提高临床医疗记录编码的准确性和效率的巨大潜力.
- 这些发现支持LLM在复杂的医疗保健任务 (如ICD编码) 中的临床应用.
更多相关视频
05:47Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems
Published on: June 13, 2025
05:15The Spatial Memory Game: Testing the Relationship Between Spatial Language, Object Knowledge, and Spatial Cognition
Published on: February 19, 2018
相关概念视频
Language and Cognition
Improving Translational Accuracy
Improving Translational Accuracy
Language Development
The critical period for language acquisition suggests that the ability to acquire language is at its peak early in life. As people age, this proficiency decreases. Language development begins very...
Modeling in Therapy
Participant Modeling
Participant modeling involves therapists demonstrating calm and effective behaviors in...
Nursing Interventions II: Selecting and Classifying the Nursing Interventions
