跳到主要内容
检索

# 临床信息抽取

2 篇关联报道

订阅更新
  1. medRxiv

    用大语言模型从心导管报告中自动识别复杂经皮冠状动脉介入治疗

    该研究在耶鲁纽黑文健康系统三家医院共1,412份心导管操作记录上,用人工标注作为参考标准,评估了三个开源大语言模型(Llama 3.3 70B、Meditron-7B、BioMistral-7B)识别经皮冠状动脉介入治疗(PCI)报告并抽取六项复杂PCI特征的能力,结果显示Llama 3.3 70B在多数任务上优于两个较小的医学领域模型,PCI识别达到100.0%敏感度、93.8%特异度、96.4%准确度和95.9% F1,复杂PCI分类在590份可评估报告中达到97.7%敏感度、80.1%特异度、57.6%阳性预测值、99.2%阴性预测值和83.9%准确度,且在明确记录的变量(如支架数量和支架长度)上

  2. medRxiv

    多语言非英语临床记录结构化抽取的任务依赖型模型选择

    该研究在193,101份俄语与哈萨克语卒中出院小结上,以332例章节、149例用药(2,475条参考记录)和191例化验病例为测试队列,比较多语言编码器、本地微调Qwen3-4B与零样本GPT-5.5在实体检测与完整记录组装上的表现,发现章节F1为0.919/0.926/0.932,GPT-5.5在药名检测领先(0.966对0.940),而Qwen在规范化用药记录恢复(0.381对0.311,差值0.070,95% CI 0.026–0.114)与化验五元组F1(0.892对0.822)上领先,并显示从人工整理章节改为原始文档级联后用药恢复由0.377降至0.204(单窗口)与0.246(全块),

已读完全部报道