利用大语言模型改进法语电子健康记录中的健康社会决定因素文档记录
计算与语言
2025-07-08 v1 人工智能
摘要
健康社会决定因素（SDoH）显著影响健康结果，塑造疾病进展、治疗依从性和健康差异。然而，它们在结构化电子健康记录（EHR）中的文档记录通常不完整或缺失。本研究提出了一种基于大语言模型（LLM）的方法，用于从法语临床笔记中提取13个SDoH类别。我们在法国南特大学医院临床笔记中已标注的社会史部分上训练了Flan-T5-Large模型。我们在两个层面评估了模型：(i) 识别SDoH类别及相关值，以及 (ii) 提取带有相关时间和数量信息的详细SDoH。模型性能在四个数据集上进行了评估，其中包括我们作为开放资源公开发布的两个数据集。该模型在识别记录良好的类别（如生活状况、婚姻状况、后代、工作、烟草和酒精使用）方面取得了强劲性能（F1分数 > 0.80）。对于训练数据有限或表达方式高度可变的类别（如就业状况、住房、体育活动、收入和教育），性能较低。我们的模型识别出95.8%的患者至少有一个SDoH，而来自结构化EHR数据的ICD-10代码仅为2.8%。我们的错误分析表明，性能限制与注释不一致、依赖以英语为中心的标记器以及由于模型仅在社交史部分上训练而导致泛化能力降低有关。这些结果证明了NLP在提高非英语EHR系统中真实世界SDoH数据完整性方面的有效性。
引用
@article{arxiv.2507.03433,
title = {Improving Social Determinants of Health Documentation in French EHRs Using Large Language Models},
author = {Adrien Bazoge and Pacôme Constant dit Beaufils and Mohammed Hmitouch and Romain Bourcier and Emmanuel Morin and Richard Dufour and Béatrice Daille and Pierre-Antoine Gourraud and Matilde Karakachoff},
journal= {arXiv preprint arXiv:2507.03433},
year = {2025}
}