RetSTA：基于大语言模型的临床眼底影像报告标准化方法
计算与语言
2025-03-13 v1 人工智能
摘要
临床报告的标准化对于提升医疗质量和促进数据整合至关重要。临床眼底诊断报告缺乏统一标准，包括格式、术语和风格，这增加了大语言模型（LLM）理解数据的难度。为解决这一问题，我们构建了一个双语标准术语库，包含眼底临床术语和临床诊断中常用描述。然后，我们建立了两个模型：RetSTA-7B-Zero 和 RetSTA-7B。RetSTA-7B-Zero 在模拟临床场景的增强数据集上微调，展现出强大的标准化行为。然而，它面临覆盖更广泛疾病的局限性。为进一步提升标准化性能，我们构建了 RetSTA-7B，它整合了大量由 RetSTA-7B-Zero 生成的标准数据以及相应的英文数据，覆盖了多样化的复杂临床场景，首次实现了报告级标准化。实验结果表明，RetSTA-7B 在双语标准化任务中优于其他对比的大语言模型，验证了其优越性能和泛化能力。模型检查点可在 https://github.com/AB-Story/RetSTA-7B 获取。
引用
@article{arxiv.2503.09358,
title = {RetSTA: An LLM-Based Approach for Standardizing Clinical Fundus Image Reports},
author = {Jiushen Cai and Weihang Zhang and Hanruo Liu and Ningli Wang and Huiqi Li},
journal= {arXiv preprint arXiv:2503.09358},
year = {2025}
}