图片

这篇文章介绍了一种基于隐私保护的大语言模型（LLM）的信息提取流程（简称“基于大语言模型的信息提取”），旨在从非结构化医疗文本中提取信息。该流程通过将非结构化的临床文本转换为结构化数据，解决了临床研究和临床实践中的关键障碍，即如何高效提取信息以改善临床决策和患者的治疗结果，促进大规模数据分析。

 

文章首先指出，在临床科学和实践中，文本数据如临床记录或手术报告通常以非结构化的方式存储，这使得这些数据无法用于量化研究，且手动审查或结构化信息检索既耗时又昂贵。大型语言模型（LLMs）的出现标志着自然语言处理领域的范式转变，为从医疗自由文本中结构化地提取信息提供了新的可能性，而“基于大语言模型的信息提取”提供了一种高效且经济的解决方案。

 

图片

“基于大语言模型的信息提取”流程包括四个主要处理步骤：（1）问题定义和数据准备；（2）数据预处理；（3）基于大语言模型的信息提取；（4）输出评估。该流程允许在不将任何患者数据传输到外部服务器的情况下，集成到医院的本地硬件上。作为示例任务，研究人员应用“基于大语言模型的信息提取”对虚构的肺栓塞患者的临床记录进行匿名化处理，并从中提取症状和肺栓塞的侧性。此外，研究人员还展示了在真实世界数据集上进行信息提取时可能遇到的问题，例如从“癌症基因组图谱计划”的100份病理报告中提取“肿瘤-淋巴结-转移”分期信息。

 

“基于大语言模型的信息提取”的主要优势在于其灵活性，允许用户根据需要定义要提取的结构化信息元素。这与传统的信息提取方法相比，后者通常需要预先定义的类别和关系。“基于大语言模型的信息提取”能够将各种类型的非结构化医疗文本数据（如临床记录、手术报告或整个临床文书）转换为适合量化分析的结构化CSV格式。该流程的开发是出于对可扩展解决方案的需求，该解决方案能够适应医疗领域所需的技术专长和深入的医学领域理解。

 

图片

文章还讨论了“基于大语言模型的信息提取”与其他方法的比较，指出传统方法如机器学习命名实体识别（NER）方法通常需要提取固定实体，且灵活性有限。相比之下，基于大语言模型的方法允许通过高级提示语工程和上下文学习能力灵活定义要提取的实体。此外，大语言模型在零样本应用中表现出色，这意味着大语言模型能够在未在训练中遇到的数据处理上进行预测，而无需任何特定任务的微调。

 

在实验设计方面，研究人员在不同语言和临床设置的不同数据集上进行了实验，以验证该方案的有效性。性能指标包括准确性、敏感性、特异性、F1分数和精确度，以及维护数据完整性和保护隐私的能力。

 

图片

文章最后讨论了实施该方案所需的专业知识，指出虽然该流程几乎不需要编程知识，但流程设置需要一些关于虚拟环境和终端导航的知识。此外，还需要领域知识，因此医学专家需要清晰定义感兴趣的实体，以便进行简洁有效的提示，这是该方案运作的核心。

 

总之，该研究提出的基于隐私保护的大语言模型从非结构化医疗文本中提取信息的开源流程，为医疗信息提取提供了一种新的、高效的方法。该流程具有广泛的应用前景和重要的研究价值，有望在未来的临床研究和临床实践中发挥重要作用。