基于嵌入式主题建模与大语言模型的癌症患者经历分析
计算与语言
2026-05-28 v2
摘要
本研究探讨了利用神经主题建模和大语言模型从患者叙事数据中挖掘有意义主题，以为制定更以患者为导向的医疗实践提供见解。我们分析了一系列癌症患者采访记录（13 场访谈，共 132,722 字）。首先，我们评估了 BERTopic 和 Top2Vec 在单场访谈总结中的表现，通过统一的预处理、分块和聚类配置，以确保在关键词提取方面的公平比较。随后，我们使用大语言模型（GPT-4）进行主题标注。对单场访谈（I0）的输出通过小规模的人类评估进行评分，重点关注{主题连贯性}、{清晰度}和{相关性}。基于初步结果和评估，BERTopic 显示出更强的性能，被选用于进一步实验，使用三种临床导向嵌入模型。随后，我们使用最佳模型设置对完整访谈集合进行分析。结果表明，领域特定的嵌入模型提高了主题的\textit{精确度}和\textit{可解释性}，其中 BioClinicalBERT 在 transcript 上的一致性最佳。对于全部 13 场访谈的全局分析（采用 BioClinicalBERT 嵌入模型），发现最主要的主题为“癌症护理管理中的协调与沟通”和“癌症治疗旅程中的患者决策”。尽管这些访谈是从荷兰语翻译成英文的，且临床专业人员未参与评估，但研究发现，尤其是 BERTopic，神经主题建模可以为来自患者访谈的临床医生提供有用的反馈。这一管道可支持更高效的文件导航，并强化患者声音在医疗工作流程中的作用。
引用
@article{arxiv.2601.12154,
title = {Analyzing Cancer Patients' Experiences with Embedding-based Topic Modeling and LLMs},
author = {Teodor-Călin Ionescu and Lifeng Han and Jan Heijdra Suasnabar and Anne Stiggelbout and Suzan Verberne},
journal= {arXiv preprint arXiv:2601.12154},
year = {2026}
}
备注
accepted by the CLIN journal. The CLIN Journal is the journal for research in computational linguistics in The Netherlands and Belgium