利用具有推理能力的 LLM 从临床笔记中提取 SDOH 事件
计算与语言
2026-05-27 v2
摘要
健康社会决定因素 (SDOH) 指的是影响个人生活、工作和年龄的环境、行为和社会条件。SDOH 对个人健康结果具有重要影响，其系统性识别和管理可显著改善患者护理。然而，SDOH 信息主要包含在电子健康记录中非结构化临床笔记中，这限制了其作为机器可读实体的直接使用。为解决这一问题，研究人员采用了基于预训练 BERT 模型的自然语言处理 (NLP) 技术，显示出有前景的性能，但需要复杂的实现和大量计算资源。在本研究中，我们调查了利用具有高级推理能力的 LLM 提取结构化 SDOH 事件的提示工程策略。我们的方法包括四个模块：1）开发与既定指南相结合的简洁描述性提示，2）应用以精心挑选的示例进行的 few-shot 学习，3）使用自一致性机制确保稳健的输出，以及4）后处理以进行质量控制。我们的方法实现了 0.866 的微-F1 分数，显示出与领先模型相当的性能。结果表明，具有推理能力的 LLM 是提取 SDOH 事件的有效解决方案，既实现了实现的简单性，又具有强大的性能。
引用
@article{arxiv.2604.13502,
title = {Using reasoning LLMs to extract SDOH events from clinical notes},
author = {Ertan Dogan and Kunyu Yu and Yifan Peng},
journal= {arXiv preprint arXiv:2604.13502},
year = {2026}
}