符号推理与语言建模耦合以实现非结构化电子病历的高效纵向理解
计算与语言
2023-08-08 v1
摘要
人工智能（AI）在医疗领域的应用具有革命性，尤其是近期基于 Transformer 的大语言模型（LLMs）取得进展。然而，鉴于病历的性质（如无序、不一致和冗余）以及 LLMs 无法推导允许全面理解医疗变量的推理范式，理解非结构化电子病历的任务仍具挑战。本工作中，我们考察了符号推理与语言建模相耦合对改进非结构化临床文本理解的效力。我们表明，此种组合改进了从非结构化记录中提取若干医疗变量。此外，我们表明最先进的商业免费 LLMs 享有可与商业对手提供的检索能力相媲美的检索能力。最后，我们详述了通过应用符号推理进行 LLM 引导的必要性，因为单独使用 LLMs 会导致最低性能。
引用
@article{arxiv.2308.03360,
title = {Coupling Symbolic Reasoning with Language Modeling for Efficient Longitudinal Understanding of Unstructured Electronic Medical Records},
author = {Shivani Shekhar and Simran Tiwari and T. C. Rensink and Ramy Eskander and Wael Salloum},
journal= {arXiv preprint arXiv:2308.03360},
year = {2023}
}