GENIE：用于结构化电子健康记录数据的生成式笔记信息抽取模型
计算与语言
2025-01-31 v1
摘要
电子健康记录（EHR）在推进医疗保健方面具有巨大潜力，提供了丰富的纵向数据，将结构化信息与非结构化临床笔记中的宝贵见解相结合。然而，临床文本的非结构化性质对二次应用构成了重大挑战。用于结构化EHR自由文本数据的传统方法，如基于规则的系统和多阶段流水线，通常受限于其耗时的配置以及无法适应来自不同医疗保健环境的临床笔记。很少有系统提供术语的全面属性抽取。虽然像GPT-4和LLaMA 405B这样的大型语言模型（LLM）在结构化任务中表现出色，但它们速度慢、成本高，且对于大规模使用不切实际。为了克服这些限制，我们引入了GENIE，一个生成式笔记信息抽取系统，它利用LLM将非结构化临床文本简化为具有标准化格式的可用数据。GENIE一次性处理整个段落，高精度地抽取实体、断言状态、位置、修饰语、值和目的。其统一的端到端方法简化了工作流程，减少了错误，并消除了大量手动干预的需要。通过强大的数据准备流水线和微调的小规模LLM，GENIE在多个信息抽取任务中实现了有竞争力的性能，优于cTAKES和MetaMap等传统工具，并且可以处理要抽取的额外属性。GENIE显著增强了医疗保健系统中的实际适用性和可扩展性。通过开源模型和测试数据，我们旨在鼓励合作并推动EHR结构化的进一步发展。
引用
@article{arxiv.2501.18435,
title = {GENIE: Generative Note Information Extraction model for structuring EHR data},
author = {Huaiyuan Ying and Hongyi Yuan and Jinsen Lu and Zitian Qu and Yang Zhao and Zhengyun Zhao and Isaac Kohane and Tianxi Cai and Sheng Yu},
journal= {arXiv preprint arXiv:2501.18435},
year = {2025}
}