BriefGPT - AI 论文速递
·
MixEHR-Nest：通过分层引导主题建模识别电子健康记录中的亚表型
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
研究利用大型语言模型从电子健康记录中提取社会健康决定因素（SDoH），并探讨合成临床文本的改进作用。微调的Flan-T5 XL和XXL模型表现最佳，优于ChatGPT系列，显示出较少的算法偏见。模型识别出93.8%存在不良SDoH的患者，而ICD-10代码仅覆盖2.0%。该方法有效提取SDoH信息，帮助识别需社会支持的患者。
🎯
关键要点
- 研究利用大型语言模型从电子健康记录中提取社会健康决定因素（SDoH）。
- 微调的Flan-T5 XL和XXL模型表现最佳，宏F1值分别为0.71和0.70。
- 这些模型在零样本和少样本性能上优于ChatGPT系列，显示出较少的算法偏见。
- 模型识别出93.8%存在不良SDoH的患者，而ICD-10代码仅覆盖2.0%。
- 该方法有效提取SDoH信息，帮助识别需社会支持的患者。
➡️
