AI与世界难题 · 医学与药物研发 · Nature (computational biology) · 2026-10-16
一个用于利用大语言模型进行可信的大规模临床信息提取的多阶段验证框架
原标题: A multi-stage validation framework for trustworthy large-scale clinical information extraction using large language models
验证大型语言模型的临床信息抽取能力通常需要成本高昂的人工标注。作者提出了一个多阶段框架，结合了基于规则的过滤、语义对齐、评判LLM评估、专家评审以及预测效度分析。该框架应用于919,783份临床记录中的物质使用障碍诊断时，剔除了14.59%缺乏依据或不合理的LLM阳性抽取结果。主LLM相对于评判评估的F1分数达到0.80，其抽取的诊断结果对后续专科护理参与情况的预测效果优于结构化数据基线。