换一批摘要目的 利用大语言模型(Large Language Model,LLM)进行电子病历文本结构化,验证LLM在文本结构化方面的优越性.方法 采用百度的文心一言,依据优化后的提示语,通过Python调用LLM应用程序编程接口的方式进行电子病历文本结构化,从而得到结构化特征.将提取无误的特征数与提取出的所有特征数之比定为提取准确度,用以评价LLM进行文本结构化的性能.结果 对100份脑卒中患者的电子病历进行文本结构化,按病历统计,平均电子病历文本的每份提取准确度为98.7%,精准度为97.5%,召回率为98.9%;按特征词统计,所有特征词的平均提取准确度、精准度和召回率分别为98.7%、96.4%和98.6%;按特征大类统计,症状、既往史、用药和诊断结果的提取准确度分别为99.3%、98.0%、98.8%和100%.结论 利用LLM进行电子病历文本结构化具有可行性,百度的文心一言在电子病历文本结构化中具有优越性.
更多相关知识
关键词
大语言模型电子病历文本结构化提示语提取准确度文心一言large language model(LLM)electronic medical recordtext structuringpromptextraction accuracy rateERNIE Bot
栏目名称
DOI
10.3969/j.issn.1674-1633.20240857
发布时间
2025-05-26（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（82372094）
- 浏览0
- 被引3
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
