LLM 在临床试验招募中的调查
计算与语言
2026-01-01 v3 人工智能
摘要
近年来，LLM 的进展显著提升了通用领域的自然语言处理任务。然而，其在关键领域（如临床试验招募）的采用仍有限。由于试验以自然语言设计，患者数据以结构化和非结构化文本形式表示，匹配试验和患者的任务从长期求解分布式知识聚合和推理能力方面受益于 LLM。经典方法是试验特定的，而 LLM 凭借其整合分布式知识的能力，具有构建更通用解决方案的潜力。然而，最近的 LLM 辅助方法依赖专有模型且弱评估基准。本调查是首次对试验-患者匹配任务进行分析，并将新兴的 LLM 方法在临床试验招募中的应用加以背景阐述。我们批判性地审视了现有的基准、方法和评估框架，探讨了在临床研究中采用 LLM 技术的挑战，以及激动人心的未来方向。
引用
@article{arxiv.2506.15301,
title = {A Survey on LLM-Assisted Clinical Trial Recruitment},
author = {Shrestha Ghosh and Moritz Schneider and Carina Reinicke and Carsten Eickhoff},
journal= {arXiv preprint arXiv:2506.15301},
year = {2026}
}
备注
Accepted to IJCNLP-AACl 2025