LLM-Augmented 临床 NLP 在心血管疾病风险预测中的症状分析
计算与语言
2025-07-16 v1 人工智能
摘要
及时识别和准确分层心血管疾病（CVD）风险，对于减少全球死亡率至关重要。虽然现有预测模型主要依赖结构化数据，但非结构化临床笔记包含宝贵的早期指标。本研究引入一种新型 LLM-augmented 临床 NLP 流水线，该流水线使用领域适配大语言模型进行症状抽取、情境推理和关联分析。我们的方法集成了心血管专用微调、基于提示的推理和实体感知推理。在 MIMIC-III 和 CARDIO-NLP 数据集上的评估表明，我们的方法在精确率、召回率、F1 分数和 AUROC 上均取得了改进，临床相关性高（kappa=0.82），由心血管科医生评估。我们通过提示工程和混合规则验证方法解决了情境幻觉（当模型生成的 plausible 信息与提供的来源不符时）和时间歧义（模型在事件时间顺序处理方面存在困难）等挑战。本工作彰显了大语言模型在临床决策支持系统（CDSS）中的潜力，推动了早期预警系统的发展，并增强了将患者叙述转化为可操作风险评估的能力。
引用
@article{arxiv.2507.11052,
title = {LLM-Augmented Symptom Analysis for Cardiovascular Disease Risk Prediction: A Clinical NLP},
author = {Haowei Yang and Ziyu Shen and Junli Shao and Luyao Men and Xinyue Han and Jing Dong},
journal= {arXiv preprint arXiv:2507.11052},
year = {2025}
}