该研究提出名为DiText-OCR(Dual-integrated Text Extraction using Hybrid OCR Engines)的框架,利用多种OCR工具与领域专用词典对包括印刷文本和低质量扫描件在内的多种文本类型进行数字化,再用大语言模型(LLM)完成命名实体识别、关系抽取与数据结构化,并将结构化数据整合进医疗数据库与系统以支持临床决策支持、研究与分析并保证互操作性;文中同时指出该框架在非标准报告格式、患者隐私以及OCR与LLM在医疗场景中的现有局限方面仍面临挑战,未来工作拟与电子健康记录集成、扩展到其他医疗文档并用于高级研究与预测分析。
该研究提出名为DiText-OCR(Dual-integrated Text Extraction using Hybrid OCR Engines)的框架,利用多种OCR工具与领域专用词典对包括印刷文本和低质量扫描件在内的多种文本类型进行数字化,再用大语言模型(LLM)完成命名实体识别、关系抽取与数据结构化,并将结构化数据整合进医疗数据库与系统以支持临床决策支持、研究与分析并保证互操作性;文中同时指出该框架在非标准报告格式、患者隐私以及OCR与LLM在医疗场景中的现有局限方面仍面临挑战,未来工作拟与电子健康记录集成、扩展到其他医疗文档并用于高级研究与预测分析。