利用大型语言模型构建临床试验本体
人工智能
2024-12-20 v1
摘要
临床试验信息的管理目前是医疗行业的一个重大挑战，传统方法既耗时又昂贵。本文提出一种简单而有效的方法，从成本效益和时间效率的角度提取和集成临床试验数据，使医疗行业能够保持与医学发展同步。比较人类、GPT3.5、GPT4和Llama3（8b与70b）创建本体的时间、成本和质量。研究结果表明，大型语言模型（LLM）是一种从成本和时间角度自动化这一过程的可行选择。这一研究凸显了在临床试验的实时数据集成可能成为常态的重大意义。
引用
@article{arxiv.2412.14387,
title = {Clinical Trials Ontology Engineering with Large Language Models},
author = {Berkan Çakır},
journal= {arXiv preprint arXiv:2412.14387},
year = {2024}
}