基于提示的少样本学习提取健康社会决定因素
计算与语言
2023-06-13 v1
摘要
通过非结构化文本记录在电子健康记录中的健康社会决定因素（SDOH）正被越来越多地研究，以了解 SDOH 如何影响患者健康结局。在这项工作中，我们利用社会史标注语料库（SHAC），这是一个多机构去标识化的社会史章节语料库，标注了 SDOH，包括物质使用、就业和居住状态信息。我们探索在一次性提示设置下，使用 GPT-4 以独立标注和行内标注两种格式在 SHAC 上自动提取 SDOH 信息。我们将 GPT-4 的提取性能与一种高性能监督方法进行比较，并进行了细致的错误分析。我们基于提示的 GPT-4 方法在 SHAC 测试集上取得了总体 0.652 的 F1，类似于在 n2c2 使用 SHAC 的挑战赛中所有队伍里第 7 名表现最好的系统。
引用
@article{arxiv.2306.07170,
title = {Prompt-based Extraction of Social Determinants of Health Using Few-shot Learning},
author = {Giridhar Kaushik Ramachandran and Yujuan Fu and Bin Han and Kevin Lybarger and Nicholas J Dobbins and Özlem Uzuner and Meliha Yetisgen},
journal= {arXiv preprint arXiv:2306.07170},
year = {2023}
}