基于大语言模型的临床试验队列选择——n2c2挑战研究
计算与语言
2025-01-22 v1 人工智能
摘要
临床试验是医学领域引入新治疗方案和创新成果的关键过程。然而，临床试验队列选择耗时且常需手动审查患者文本记录以查找特定关键词。尽管已有研究致力于标准化各平台间的信息，但自然语言处理（NLP）工具仍是识别文本报告中 eligibility criteria 的关键。最近，大型语言模型（LLM）因其对文本细粒度理解能力而在各类NLP任务中获得了流行。在本文中，我们研究了大型语言模型在临床试验队列选择任务上的表现，并利用n2c2挑战进行性能基准测试。我们的结果在简单队列选择任务方面显示出鼓舞人心的成果，但也突显了这些模型在需要精细知识和推理时所面临的困难。
引用
@article{arxiv.2501.11114,
title = {Clinical trial cohort selection using Large Language Models on n2c2 Challenges},
author = {Chi-en Amy Tai and Xavier Tannier},
journal= {arXiv preprint arXiv:2501.11114},
year = {2025}
}