Onco-Retriever：用于肿瘤学电子健康病历检索的生成式分类器
计算与语言
2024-04-11 v1
摘要
从电子健康病历(EHR)系统中检索信息对于回答有关患者就诊路径的具体问题以及改善临床护理交付至关重要。尽管如此，大多数 EHR 系统仍然依赖基于关键词的搜索。随着生成式大语言模型(LLMs)的出现，信息检索可以实现更好的搜索和摘要能力。此类检索器还可以馈入检索增强生成(RAG)流水线以回答任何查询。然而，由于创建查询-文档支持对的困难，从 EHR 系统中包含的真实世界临床 EHR 数据中检索信息以解决多个下游用例的任务极具挑战性。我们提供了一种使用大语言模型以经济实惠的方式创建此类数据集的蓝图。我们的方法产生了一个检索器，在肿瘤学数据元素上比 Ada 和 Mistral 等专有同类产品高出 30-50 个 F1 点。我们还将名为 Onco-Retriever 的模型与微调的 PubMedBERT 模型进行了比较。我们对真实世界 EHR 数据进行了广泛的人工评估，并对不同模型进行了延迟分析，为医疗机构构建特定领域的检索器提供了前进路径。
引用
@article{arxiv.2404.06680,
title = {Onco-Retriever: Generative Classifier for Retrieval of EHR Records in Oncology},
author = {Shashi Kant Gupta and Aditya Basu and Bradley Taylor and Anai Kothari and Hrituraj Singh},
journal= {arXiv preprint arXiv:2404.06680},
year = {2024}
}
备注
18 pages