零样本学习:使用 GPT 模型从临床记录中提取社会因素和家族史的最小指令
原文中文,约400字,阅读约需1分钟。发表于: 。通过提供最少的信息给 GPT 模型,我们研究了在电子健康记录的非结构化文本中记录的人口统计学、社会健康决定因素和家族史信息,我们探索了两组评估指标来完全理解 GPT 模型的性能,我们结果表明,GPT-3.5 方法在人口统计学提取上达到了 0.975 的平均 F1 得分,在社会健康决定因素提取上达到了 0.615 的平均 F1 得分,在家族史提取上达到了 0.722 的平均 F1...
该研究评估了GPT模型在电子健康记录中提取人口统计学、社会健康决定因素和家族史信息的性能。结果显示,GPT-3.5在人口统计学提取上表现良好,但在社会健康决定因素和家族史提取上表现较差。研究指出GPT模型的局限性,需要进一步改进。