使用大语言模型自动化心血管事件裁决
计算与语言
2025-07-01 v2 人工智能
摘要
心血管事件（如心肌梗死和中风）全球仍是死亡的主要原因，需在临床试验中进行细致监控和裁决。这一过程传统上由临床专家手动执行，耗时耗力且存在审阅者间的变异性，可能引入偏差并阻碍试验进程。本研究通过大语言模型（LLM）自动化心血管事件裁决，旨在解决上述关键限制。我们提出了两阶段方法：首先采用 LLM 管道从非结构化临床数据中提取事件信息；其次采用基于 Tree of Thoughts 方法和临床终点委员会（CEC）指南的 LLM 裁决流程。利用心血管事件专用临床试验数据，该框架在事件提取方面实现0.82的 F1 分数，在裁决方面实现0.68的准确率。进一步，我们引入了 CLEART 指标，这是一种新颖的、专为评估 AI 生成临床推理质量而设计的自动化指标，用于裁决心血管事件。该方法在显著减少裁决时间和成本的同时，保持了高质量、一致且可审计的试验结果。减少的变异性和增强的标准化也有助于更快地识别和缓解与心血管疗法相关的风险。
引用
@article{arxiv.2503.17222,
title = {Automating Adjudication of Cardiovascular Events Using Large Language Models},
author = {Sonish Sivarajkumar and Kimia Ameri and Chuqin Li and Yanshan Wang and Min Jiang},
journal= {arXiv preprint arXiv:2503.17222},
year = {2025}
}