SynthEHR-Eviction：通过 LLM 增强的合成 EHR 数据提升驱逐检测
计算与语言
2025-07-11 v1 人工智能
摘要
驱逐是重要且鲜有研究的社会决定因素（SDoH），与住房不稳定、失业和精神健康相关。虽然驱逐出现在非结构化电子健康记录（EHR）中，但很少被编码在结构化字段中，这限制了后续应用。我们引入 SynthEHR-Eviction，一种可扩展的管道结合了 LLM、人类参与的标注和自动提示优化（APO），从临床笔记中提取驱逐状态。通过该管道，我们创建了目前为止最大规模的公开驱逐相关 SDoH 数据集，包含 14 个细粒度类别。在 SynthEHR-Eviction 上训练的微调 LLM（如 Qwen2.5、LLaMA3）在经人类验证的数据上实现了 88.8%（驱逐）和 90.3%（其他 SDoH）的宏平均 F1 分数，超过 GPT-4o-APO（87.8%，87.3%）、GPT-4o-mini-APO（69.1%，78.1%）和 BioBERT（60.7%，68.3%），同时实现了在各种模型规模上的成本效益部署。该管道通过 80%以上地减少标注工作量，加快数据集创建速度，实现可扩展的驱逐检测，并可推广到其他信息提取任务。
引用
@article{arxiv.2507.07421,
title = {SynthEHR-Eviction: Enhancing Eviction SDoH Detection with LLM-Augmented Synthetic EHR Data},
author = {Zonghai Yao and Youxia Zhao and Avijit Mitra and David A. Levy and Emily Druhl and Jack Tsai and Hong Yu},
journal= {arXiv preprint arXiv:2507.07421},
year = {2025}
}
备注
Equal contribution for the first two authors