LCDS：面向源归因和专家审阅的逻辑控制出院概要生成系统
计算与语言
2025-07-09 v1 人工智能
摘要
尽管大语言模型 (LLM) 在自动出院概要生成方面取得了显著的性能，但仍存在幻觉问题，如生成不准确的内容或在没有有效来源的情况下捏造信息。此外，电子医疗记录 (EMR) 通常由长格式数据组成，这使得 LLM 难以将生成内容归因于来源。为此，我们提出了 LCDS，即 Logic-Controlled Discharge Summary (逻辑控制出院概要生成系统)。LCDS 通过计算 EMR 与出院概要之间的文本相似度构建源映射表，以限制总结内容的范围。此外，LCDS 纳入了一套完整的逻辑规则，使其能够针对不同临床领域生成更可靠的银色出院概要。进一步地，LCDS 支持对生成内容进行源归因，使专家能够高效地审阅、提供反馈并纠正错误。最终得到的金色出院概要随后被记录下来，用于 LLM 的增量微调。我们的项目和演示视频位于 GitHub 仓库 https://github.com/ycycyc02/LCDS 中。
引用
@article{arxiv.2507.05319,
title = {LCDS: A Logic-Controlled Discharge Summary Generation System Supporting Source Attribution and Expert Review},
author = {Cheng Yuan and Xinkai Rui and Yongqi Fan and Yawei Fan and Boyang Zhong and Jiacheng Wang and Weiyan Zhang and Tong Ruan},
journal= {arXiv preprint arXiv:2507.05319},
year = {2025}
}
备注
ACL Demo 2025