基于大语言模型从医学文本中提取因果关系
计算与语言
2024-07-16 v1 人工智能
信息检索
摘要
本研究探索了自然语言模型，包括大语言模型，从医学文本中（ Specifically 来自临床实践指南（CPGs）的文本中）提取因果关系的潜力。报告了从gestational diabetes的临床实践指南中提取因果关系的结果，标志着该领域的首次突破。我们报告了一系列实验，使用变体BERT（BioBERT、DistilBERT和BERT）以及大语言模型（LLM），即GPT-4和LLAMA2。我们的实验表明，BioBERT的表现优于其他模型，包括大语言模型，平均F1得分为0.72。GPT-4和LLAMA2的结果表现相似，但一致性较差。我们还发布了代码以及一个来自gestational diabetes临床实践指南中标注的因果语句语料库。
引用
@article{arxiv.2407.10020,
title = {Causality extraction from medical text using Large Language Models (LLMs)},
author = {Seethalakshmi Gopalakrishnan and Luciana Garbayo and Wlodek Zadrozny},
journal= {arXiv preprint arXiv:2407.10020},
year = {2024}
}