基于ChatGPT的医学数据增强：以药物识别与用药事件分类为例
计算与语言
2023-06-14 v1 人工智能
机器学习
摘要
在电子健康记录与临床笔记中识别药物、疾病及关系等关键因素在临床领域具有广泛应用。在N2C2 2022竞赛中，为推进利用情境化用药事件数据集（CMED）识别电子健康记录（EHRs）中的关键因素，提出了多项任务。预训练大语言模型（LLMs）在这些任务中展现出卓越性能。本研究旨在探索利用LLMs（具体而言ChatGPT）进行数据增强，以克服EHRs关键因素标注数据有限的困境。此外，采用最初在维基百科与MIMIC等大规模数据集上训练的多种预训练BERT模型，通过在增强数据集上微调来构建EHRs中这些关键变量的识别模型。两项EHR分析任务（即药物识别与用药事件分类）的实验结果表明，基于ChatGPT的数据增强确实有益于提升药物识别与用药事件分类的性能。
引用
@article{arxiv.2306.07297,
title = {Medical Data Augmentation via ChatGPT: A Case Study on Medication Identification and Medication Event Classification},
author = {Shouvon Sarker and Lijun Qian and Xishuang Dong},
journal= {arXiv preprint arXiv:2306.07297},
year = {2023}
}