LLM-Match：基于大语言模型与检索增强生成的开源患者匹配模型
计算与语言
2025-03-26 v3 人工智能
机器学习
摘要
患者匹配是通过准确识别患者的医疗记录并将其与试验资格标准进行匹配，从而将患者链接到合适临床试验的过程。我们提出了 LLM-Match，一个利用微调开源大语言模型的患者匹配新框架。该方法包含四个关键组件。首先，检索增强生成（RAG）模块从海量电子健康记录（EHRs）中提取相关患者上下文。其次，提示生成模块通过整合试验资格标准（包含和排除标准）、患者上下文和系统指令来构建输入提示。第三，带有分类头的微调模块利用结构化提示和真实标签优化模型参数。第四，评估模块在测试数据集上评估微调模型的性能。我们在四个开放数据集——n2c2、SIGIR、TREC 2021 和 TREC 2022——上使用开源模型对 LLM-Match 进行了评估，并将其与 TrialGPT、Zero-Shot 以及基于 GPT-4 的闭源模型进行了比较。LLM-Match 优于所有基线。
引用
@article{arxiv.2503.13281,
title = {LLM-Match: An Open-Sourced Patient Matching Model Based on Large Language Models and Retrieval-Augmented Generation},
author = {Xiaodi Li and Shaika Chowdhury and Chung Il Wi and Maria Vassilaki and Xiaoke Liu and Terence T Sio and Owen Garrick and Young J Juhn and James R Cerhan and Cui Tao and Nansu Zong},
journal= {arXiv preprint arXiv:2503.13281},
year = {2025}
}
备注
10 pages, 1 figure