ИИ и сложнейшие проблемы мира · Медицина и разработка лекарств · Nature (computational biology) · 2026-10-16
Многоэтапная система валидации для надёжного крупномасштабного извлечения клинической информации с помощью больших языковых моделей
Оригинальное название: A multi-stage validation framework for trustworthy large-scale clinical information extraction using large language models
Валидация больших языковых моделей для извлечения клинической информации обычно требует дорогостоящей ручной разметки. Авторы предложили многоэтапную платформу, сочетающую фильтрацию на основе правил, семантическое обоснование, оценку с помощью LLM-судьи, экспертную проверку и анализ предиктивной валидности. При применении к диагнозам расстройств, связанных с употреблением психоактивных веществ, в 919 783 клинических заметках она отсеяла 14,59% положительных извлечений LLM как необоснованные или неправдоподобные. Основная LLM достигла F1-меры 0,80 относительно оценок судьи, а извлечённые ею диагнозы лучше предсказывали последующее обращение за специализированной помощью, чем базовые модели на структурированных данных.