KI und die schwierigen Probleme der Welt · Medizin & Wirkstoffforschung · Nature (computational biology) · 2026-10-16
Ein mehrstufiges Validierungsframework für die vertrauenswürdige groß angelegte Extraktion klinischer Informationen mit großen Sprachmodellen
Originaltitel: A multi-stage validation framework for trustworthy large-scale clinical information extraction using large language models
Die Validierung großer Sprachmodelle für die Extraktion klinischer Informationen erfordert üblicherweise aufwendige manuelle Annotation. Die Autoren schlugen ein mehrstufiges Framework vor, das regelbasierte Filterung, semantische Verankerung, Bewertung durch ein Judge-LLM, Expertenprüfung und Analyse der prädiktiven Validität kombiniert. Angewendet auf Diagnosen von Substanzgebrauchsstörungen in 919.783 klinischen Notizen, entfernte es 14,59 % der LLM-positiven Extraktionen als nicht belegt oder unplausibel. Das primäre LLM erreichte gegenüber den Bewertungen des Judge-LLM einen F1-Wert von 0,80, und seine extrahierten Diagnosen sagten die spätere Inanspruchnahme fachärztlicher Versorgung besser voraus als Baselines mit strukturierten Daten.