AI और दुनिया की कठिन समस्याएँ · चिकित्सा और दवा खोज · Nature (computational biology) · 2026-10-16

बड़े भाषा मॉडल का उपयोग करके भरोसेमंद बड़े पैमाने की क्लिनिकल जानकारी निष्कर्षण के लिए बहु-चरणीय सत्यापन ढाँचा

मूल शीर्षक: A multi-stage validation framework for trustworthy large-scale clinical information extraction using large language models

क्लिनिकल सूचना निष्कर्षण के लिए बड़े भाषा मॉडलों को मान्य करने में आमतौर पर महंगे मैन्युअल एनोटेशन की आवश्यकता होती है। लेखकों ने एक बहु-चरणीय फ्रेमवर्क प्रस्तावित किया, जो नियम-आधारित फ़िल्टरिंग, सिमेंटिक ग्राउंडिंग, जज-LLM मूल्यांकन, विशेषज्ञ समीक्षा और पूर्वानुमान वैधता विश्लेषण को जोड़ता है। 919,783 क्लिनिकल नोट्स में मादक द्रव्य उपयोग विकार के निदानों पर लागू करने पर, इसने LLM द्वारा सकारात्मक बताए गए निष्कर्षणों में से 14.59% को असमर्थित या अविश्वसनीय मानकर हटा दिया। प्राथमिक LLM ने जज मूल्यांकनों के विरुद्ध 0.80 का F1 स्कोर प्राप्त किया, और उसके द्वारा निकाले गए निदानों ने संरचित-डेटा बेसलाइन की तुलना में बाद की विशेषज्ञ देखभाल में भागीदारी का बेहतर पूर्वानुमान लगाया।

मूल लेख पढ़ें ↗

सभी आइटम →