利用ChatGPT从放射学报告中实现零样本信息抽取
计算与语言
2024-01-03 v2
摘要
电子健康记录包含大量有价值的信息，但许多以自由文本形式记录。信息抽取是将字符序列转换为结构化数据的策略，可用于二次分析。然而，传统的命名实体识别和关系抽取等信息抽取组件需要标注数据来优化模型参数，这已成为构建信息抽取系统的主要瓶颈之一。随着大语言模型(LLM)在各种下游NLP任务上无需参数调优即取得良好表现，使用大语言模型进行零样本信息抽取成为可能。本研究旨在探究最流行的大语言模型ChatGPT能否从放射学报告中抽取有用信息。我们首先针对CT报告中关注的信息设计提示模板，然后将提示模板与CT报告组合生成提示作为ChatGPT的输入以获取回复，并开发后处理模块将回复转换为结构化抽取结果。我们使用从北京大学肿瘤医院收集的847份CT报告进行实验，结果表明ChatGPT在某些抽取任务上可比拟基线信息抽取系统，但仍存在一些局限有待改进。
引用
@article{arxiv.2309.01398,
title = {Zero-shot information extraction from radiological reports using ChatGPT},
author = {Danqing Hu and Bing Liu and Xiaofeng Zhu and Xudong Lu and Nan Wu},
journal= {arXiv preprint arXiv:2309.01398},
year = {2024}
}