May, 2024

医疗数据提取工具 MedPromptExtract：使用 NLP 和提示工程实现匿名化和高保真度自动数据提取

PDF
TL;DR医疗记录的无缝数字化面临一个主要障碍，即现有记录的互操作性不足。本论文提出了 MedPromptExtract，一种自动化工具，利用半监督学习、大型语言模型、自然语言处理和提示工程的组合，将非结构化的医疗记录转换为适合进一步分析的结构化数据。
seamless digitizationinteroperabilitymedical recordsautomated toolstructured data
发现论文，激发创造
  • 医疗保健的提示工程：方法和应用

    本文介绍了自然语言处理领域中，面向医疗领域的即时工程方面的最新进展。并着重介绍其在问答系统、文本摘要和机器翻译等医疗应用中做出的重要贡献，在大语言模型的不断发展中，即时工程在医疗领域的重要性日益突出，本文旨在为医疗自然语言处理研究人员提供有用的资源和桥梁，以更好地探索即时工程在该领域的应用。希望本文能为医疗自然语言处理领域的研究和应用提供新思路和广泛可能性。

    Apr, 2023

  • 通过基于 Transformer 的提示工程提升自动医疗报告的摘要性能

    通过使用两种不同的提示策略（即 shot 提示和 pattern 提示），该研究通过结合范围和领域上下文，改善了自动医学报告的性能，并且获得了最高分数，超过了一般执业医生的参考文献。然而，由于报告中添加了冗余和相关陈述，自动报告的长度大约是人工参考的两倍。

    Nov, 2023

  • 提高临床试验的患者招募效率：基于提示的学习模型应用

    应用基于提示的大型语言模型在临床试验中基于资格标准对患者进行分类的研究提供了有希望的分数，并提出了一种利用 SNOMED CT 本体论进行提取式摘要的方法，该方法也可以应用于其他医学文本。

    Apr, 2024

  • 使用预训练语言模型和提示的小样本学习，为低资源语言提取临床信息

    使用轻量级蒙特卡洛语言模型，自动生成医疗信息，以及进行临床文件，低资源环境下的可解释性研究。

    Mar, 2024

  • 装饰范例：一种简单的生物医学关系抽取提示设计方法

    本文探讨在生物医学领域中的关系抽取问题，研究使用集成学习的方式能否提高在 ChemProt 数据集上的预测结果，结果展示了基于掩码的抽取方法有潜力在该特定领域关系抽取任务中取得优异的性能。

    Apr, 2022

  • 零轉化臨床自然語言處理中大型語言模型的提示策略實證評估

    本文综合系统地对五个临床自然语言处理任务（临床意义消除、生物医学证据提取、共指消解、药物状态提取和药物属性提取）的提示工程进行了实验研究，评估了多种提示类型在三种先进的大型语言模型（GPT-3.5、BARD 和 LLAMA2）上的性能，并提出了对临床 NLP 领域提示工程的新见解和指南。

    Sep, 2023

  • 大语言模型推进意大利生物医学信息提取：方法论洞见与多中心实际应用

    该研究创建了第一个意大利神经心理学命名实体识别数据集，PsyNIT，并使用它开发了用于此任务的大型语言模型。通过多中心模型实验，建立了方法论指导，未来还可为意大利医院提供重要的研究机会。

    Jun, 2023

  • 使用对话式语言模型和提示工程从研究论文中提取准确的材料数据 —— 以 ChatGPT 为例

    本研究提出了 ChatExtract 方法，该方法利用先进的会话型 LLM（或 AI）自动提取数据，并通过一系列后续问题确保其正确性。 ChatExtract 可用于任何会话型 LLMs，结果表明，由于其简单性，可转移性和准确性，类似 ChatExtract 的方法有望在不久的将来取代其他数据提取方法。

    Mar, 2023

  • 二阶段联邦表型分类和患者表征学习

    我们开发了一种基于联邦自然语言处理的方法，能够利用来自不同医院或诊所的临床笔记，改进特定临床任务的质量，并促进整个医疗保健系统的知识进步。这是联邦机器学习在临床自然语言处理中的第一次应用。

    Aug, 2019

  • MIMIC-Extract: 用于 MIMIC-III 的数据提取、预处理和表示流水线

    为了解决医疗机器学习中数据不一致和标准化处理框架缺失等难题，MIMIC-Extract 提供了一种开源管道，将公开可用的 MIMIC-III 数据库中的复杂健康记录数据转换为可以直接用于通用机器学习管道的数据帧，并展示了其在基准任务和基线结果中的实用性。

    Jul, 2019