LLM辅助开发基于规则的临床NLP系统的初始调查
计算与语言
2025-06-23 v1 机器学习
摘要
尽管机器学习（ML）和大型语言模型（LLM）取得了进展，基于规则的自然语言处理（NLP）系统仍因其可解释性和操作效率而在临床环境中保持活跃。然而，这些系统的手动开发和维护代价高昂，尤其是在语言变异性大的任务中。为克服这些限制，我们提出了一种仅在基于规则的系统开发阶段使用LLM的新方法。我们进行了初始实验，聚焦于开发基于规则的NLP管道的前两步：从临床笔记中查找相关片段；为基于规则的命名实体识别（NER）组件从片段中提取有用的关键词。我们的实验显示，在识别临床相关文本片段方面实现了卓越的召回率（Deepseek：0.98，Qwen：0.99），而在为NER提取关键术语方面达到1.0。本研究为NLP开发的前景方向提供了线索，使基于规则的系统能够实现半自动或自动开发，相较于基于深度学习模型的解决方案，具有显著更快的速度、更有成本效益和更透明的执行。
引用
@article{arxiv.2506.16628,
title = {Initial Investigation of LLM-Assisted Development of Rule-Based Clinical NLP System},
author = {Jianlin Shi and Brian T. Bucher},
journal= {arXiv preprint arXiv:2506.16628},
year = {2025}
}