ACR：自动患者队列检索基准
人工智能
2024-07-03 v2
摘要
识别患者队列是众多医疗任务的基本工作，包括临床试验招募和回顾性研究。当前医疗机构中的队列检索方法依赖于结构化数据的自动查询结合人工精选，这些方法耗时、代价高，常常产生低质量结果。近期大型语言模型（LLM）和信息检索（IR）的进展为革命性地改变这些系统提供了可行之路。主要挑战在于管理大量准入标准，同时处理非结构化电子病历（EMR）的纵向特性，确保解决方案在实际应用中具有成本效益。本文引入新的任务——自动患者队列检索（ACR），并评估了LLM和商业领域特定神经符号方法的性能。我们提供基准任务、查询数据集、EMR数据集和评估框架。我们的发现强调了能够进行纵向推理以处理大规模患者数据库的高效、高质量ACR系统的必要性。
引用
@article{arxiv.2406.14780,
title = {ACR: A Benchmark for Automatic Cohort Retrieval},
author = {Dung Ngoc Thai and Victor Ardulov and Jose Ulises Mena and Simran Tiwari and Gleb Erofeev and Ramy Eskander and Karim Tarabishy and Ravi B Parikh and Wael Salloum},
journal= {arXiv preprint arXiv:2406.14780},
year = {2024}
}