换一批基于RAG-NLP的血必净注射剂电子病历数据挖掘方法研究
Mining Electronic Medical Record Data for the Xuebijing Injection Based on RAG-NLP
摘要目的 针对中药血必净注射剂治疗脓毒症的真实世界安全性及有效性分析中电子病历的自然语言处理(NLP)问题展开研究.方法 利用全国9所三级甲等医院共计111 758例电子病历数据,提出包含"人工标注模型"和"检索增强生成(RAG)标注模型"的对比研究框架,探寻适用于脓毒症电子病历的高效命名实体识别方法.结果 RAG标注模型依靠预定义词典和自动机适配技术,能够高效地对"恶心""呕吐"等血必净药物不良反应(ADR)实体执行抽取,其字符级F1值全都大于96%,标注效率比人工提高了5倍.结论 该方法适用在大规模结构化数据的预处理任务中,对血必净真实世界研究多模态数据的处理给予理论支撑.
更多相关知识
关键词
药物不良反应中药制剂电子病历自然语言处理检索增强生成adverse drug reactions(ADRs)traditional Chinese medicine(TCM)preparationselectronic medical records(EMRs)natural language processing(NLP)retrieval-augmented generation(RAG)
栏目名称
DOI
10.3969/j.issn.1672-5166.2025.06.019
发布时间
2026-01-06（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家卫生健康委医药卫生科技发展研究中心血必净注射液真实世界回顾性研究（DCMST-NHC-2019-RWS-01）
广州市重点研发项目（2024B03J1293）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
