BURExtract-Llama：用于乳腺超声报告中临床概念提取的大语言模型
计算与语言
2024-08-22 v1 人工智能
摘要
乳腺超声对于检测和诊断异常至关重要，放射科报告总结了关键发现，如病灶特征和恶性评估。由于这些报告的非结构化特性、多样的语言风格和不一致的格式，提取这些关键信息具有挑战性。虽然 GPT-4 等专有大语言模型效果显著，但它们成本高昂，且在处理受保护健康信息时引发隐私问题。本研究提出了一种开发内部大语言模型以从放射科报告中提取临床信息的流程。我们首先使用 GPT-4 创建一个小型标注数据集，然后在此基础上微调 Llama3-8B 模型。在临床医生标注的报告上评估，我们的模型取得了平均 F1 分数 84.6%，与 GPT-4 持平。我们的结果表明，开发内部大语言模型不仅可行，其性能可与 GPT-4 媲美，还能降低成本并增强数据隐私。
引用
@article{arxiv.2408.11334,
title = {BURExtract-Llama: An LLM for Clinical Concept Extraction in Breast Ultrasound Reports},
author = {Yuxuan Chen and Haoyan Yang and Hengkai Pan and Fardeen Siddiqui and Antonio Verdone and Qingyang Zhang and Sumit Chopra and Chen Zhao and Yiqiu Shen},
journal= {arXiv preprint arXiv:2408.11334},
year = {2024}
}
备注
This paper has been accepted as the oral paper for the HCHM workshop, ACM Multimedia 2024