基于电子健康记录的检索增强文本转 SQL 生成用于流行病学问题回答
计算与语言
2025-01-08 v2
摘要
电子健康记录（EHR）和理赔数据是反映患者健康状况和医疗资源利用情况的丰富真实世界数据源。由于医学术语的复杂性以及需要复杂的 SQL 查询，查询这些数据库以回答流行病学问题颇具挑战。在此，我们引入一种端到端方法，将文本转 SQL 生成与检索增强生成（RAG）相结合，以利用 EHR 和理赔数据回答流行病学问题。我们表明，该方法将医学编码步骤集成到文本转 SQL 过程中，相比简单提示，显著提升了性能。我们的发现表明，尽管当前的语言模型在无监督使用方面尚不够准确，但如在一个现实的行业环境中所展示的，RAG 为提升其能力提供了一个有前景的方向。
引用
@article{arxiv.2403.09226,
title = {Retrieval augmented text-to-SQL generation for epidemiological question answering using electronic health records},
author = {Angelo Ziletti and Leonardo D'Ambrosi},
journal= {arXiv preprint arXiv:2403.09226},
year = {2025}
}
备注
6 pages, 1 figure