May, 2023

使用 LLMs 聚合从 RCT 报告中提取干预措施、结果和发现

PDF
TL;DR本研究建议并评估了基于指令调优的大型语言模型的文本 - to - 文本模型，以共同从临床摘要中提取干预、结局和对照元素（ICO 元素）并推断所报道的相关结果。
randomized controlled trialscomparative effectivenessclinical abstractsautomated extractionlarge language models
发现论文，激发创造
  • 利用大型语言模型自动提取随机对照试验的数值结果

    现有的大型语言模型在处理复杂结果和推理时表现欠佳，虽然巨大的语言模型可以在二分结果方面接近完全自动的元分析。

    May, 2024

  • 从临床试验报告中推断哪些医疗治疗方法有效

    本文介绍了一种新的任务和语料库，通过全文文章描述随机对照试验 (RCT) 的方式，推断与给定干预、比较和预期结果相关的报告发现，结果表明这项任务的困难性主要归因于长篇的技术性输入文本。

    Apr, 2019

  • 使用大型语言模型进行系统综述中的数据提取探索：快速可行性研究

    该文章介绍了使用 GPT-4（一个大型语言模型）快速可行性研究来（半）自动化系统性综述中的数据提取，在设计和评估 LLM-based 自动化工具方面仍然存在欠缺的问题。

    May, 2024

  • 利用 LLMs 从电子病历中检索证据：可能性与挑战

    使用大型语言模型（Flan-T5 XXL）从非结构化电子健康记录（EHR）数据中检索和总结与特定查询相关的论据，较传统信息检索方法更受放射科医生欢迎，但面临 LLMs 产生虚构证据的挑战。然而，模型的信心可能指示 LLMs 是否存在虚构，为解决此问题提供了潜在方法。

    Sep, 2023

  • 基于知识条件化 LLMs 的自动临床数据提取

    通过内外知识的上下文学习，我们提出了一种新的框架来解决由于缺乏领域特定知识而导致的大型语言模型生成虚构信息的问题，并通过两个阶段的任务处理来提高病灶信息提取的准确性和可靠性。

    Jun, 2024

  • 通过隐性证据集成预测临床试验结果

    为了优化临床试验的设计，我们提出了一种新的临床试验结果预测（CTRP）任务，并利用大规模非结构化结构的医学文献中的语句隐含地包含 PICO 和结果的证据，预训练模型在下游数据集上进行微调得到更好的表现，针对 COVID-19 的另一个数据集也验证了性能提升。

    Oct, 2020

  • 从 RAG 到富裕：利用大型语言模型编写临床试验文件

    在临床试验中，通过使用具备内容相关性和正确术语使用的合理结果的现成大型语言模型（LLMs），然而存在于临床思维、逻辑和合适引用的不足，通过使用 RAG（检索增强生成法）提升 LLM 的写作质量，从而提高了 LLMs 在临床试验相关文案中的实际可用性。

    Feb, 2024

  • 通过多文档摘要预测临床试验中干预措施的批准

    该研究提出了一种基于文献摘要的新方法来预测临床试验干预措施的有效性。通过抽取摘要中表达干预措施有效性的句子，生成一个简洁的摘要，用于训练 BERT 分类器以预测干预措施的有效性。实验结果证明了该方法的有效性。

    Apr, 2022

  • 通过结论生成来理解医学随机对照试验

    该论文针对 RCTs，提出使用序列到序列模型，使机器学习辅助临床决策，并通过对比，验证使用针对医学领域的 GPT-2 模型，对整个过程的效果较佳，同时指出该方面的研究仍有待进一步的扩展。

    Oct, 2019

  • 基于大型语言模型的半结构化网络文章的高吞吐量生物医学关系抽取

    利用大型语言模型的阅读理解能力和生物医学领域知识，开发了一个高通量的生物医学关系提取系统，将关系提取任务作为一个简单的二分类问题，通过外部语料库和世界知识进行判断，并从可靠医学网站中提取多种类型的生物医学关系。

    Dec, 2023