从甲状腺手术叙述中自动提取信息：GPT-4 与微调 KoELECTRA 的比较研究
计算与语言
2024-06-13 v1
摘要
在快速发展的医疗领域，人工智能 (AI) 的集成已成为自动化临床工作流程中至关重要的组成部分，正在 ushering in 效率与准确性的新时代。本研究聚焦于 fine-tuned KoELECTRA 模型在与 GPT-4 模型比较中的转化能力，旨在 facilitate 从甲状腺手术叙述中自动提取信息。当前的研究领域主导者是传统方法，这些方法高度依赖正则表达式，常常面临处理包含手术记录关键细节（包括冷冻活检报告）的自由格式文本的挑战。为此，本研究利用先进的自然语言处理 (NLP) 技术，以推动更复杂数据处理系统的范式转变。通过本比较研究，我们期望揭示医疗域文件处理的更简洁、精确且高效的方法， potentially revolutionizing 医疗数据的处理与分析方式。
引用
@article{arxiv.2406.07922,
title = {Automated Information Extraction from Thyroid Operation Narrative: A Comparative Study of GPT-4 and Fine-tuned KoELECTRA},
author = {Dongsuk Jang and Hyeryun Park and Jiye Son and Hyeonuk Hwang and Sujin Kim and Jinwook Choi},
journal= {arXiv preprint arXiv:2406.07922},
year = {2024}
}
备注
9 pages, 2 figures, 3 tables