使用大型语言模型高效标准化临床笔记
计算与语言
2025-01-03 v1 人工智能
摘要
临床医生笔记是丰富患者信息的来源，但常常因写作风格各异、口语化表达、缩写、医学术语、语法错误和非标准格式而包含不一致性。这些不一致性阻碍了从电子健康记录（EHRs）中提取有意义的数据，给质量改进、人群健康、精准医学、决策支持和科研带来挑战。我们提出一种大型语言模型方法，用于标准化1,618篇临床笔记。标准化后平均纠正了个语法错误、个拼写错误，将个非标准术语转换为标准术语，并扩展个缩写和首字母缩写词。此外，笔记被重新组织为带有标准标题的规范章节。该过程为从关键概念提取、映射到医学本体法和转换为可互操作数据格式（如FHIR）做好准备。对随机抽取的笔记进行专家审核发现，标准化后未发生显著数据丢失。该证明概念研究表明，标准化临床笔记可提高其可读性、一致性和可用性，同时促进其转换为可互操作的数据格式。
引用
@article{arxiv.2501.00644,
title = {Efficient Standardization of Clinical Notes using Large Language Models},
author = {Daniel B. Hier and Michael D. Carrithers and Thanh Son Do and Tayo Obafemi-Ajayi},
journal= {arXiv preprint arXiv:2501.00644},
year = {2025}
}