从非结构化数据中提取结构化洞察：基于 SDOH 驱动的糖尿病风险预测大语言模型
计算与语言
2026-01-21 v1
摘要
健康的社会决定因素（SDOH）在 2 型糖尿病（T2D）管理中起着关键作用，但电子健康记录和风险预测模型中往往缺失这些因素。大多数个人层面的 SDOH 数据是通过结构化筛查工具收集的，这些工具缺乏灵活性，无法捕捉患者经历的复杂性和临床人群的独特需求。本研究探讨了使用大型语言模型（LLM）从非结构化的患者生活故事中提取结构化 SDOH 信息，并评估提取的特征和叙事本身对评估糖尿病控制的预测价值。我们收集了 65 名 65 岁及以上 T2D 患者的非结构化访谈，重点关注他们的生活经历、社会背景和糖尿病管理。使用带有检索增强生成的 LLM 分析这些叙事，以生成用于临床解释的简洁、可操作的定性摘要，以及用于风险预测建模的结构化定量 SDOH 评分。结构化 SDOH 评分被独立使用，并与传统实验室生物标志物结合，作为线性与基于树的机器学习模型（Ridge、Lasso、Random Forest 和 XGBoost）的输入，以展示非结构化叙事数据如何应用于常规风险预测工作流。最后，我们在隐去 A1C 值的情况下，评估了多个 LLM 直接根据访谈文本预测患者糖尿病控制水平（低、中、高）的能力。LLM 在根据访谈文本预测糖尿病控制水平方面达到了 60% 的准确率。这项工作展示了 LLM 如何将非结构化 SDOH 相关数据转化为结构化洞察，提供了一种可扩展的方法来增强临床风险模型和决策。
引用
@article{arxiv.2601.13388,
title = {Structured Insight from Unstructured Data: Large Language Models for SDOH-Driven Diabetes Risk Prediction},
author = {Sasha Ronaghi and Prerit Choudhary and David H Rehkopf and Bryant Lin},
journal= {arXiv preprint arXiv:2601.13388},
year = {2026}
}
备注
7 pages, 5 figures