情境学习以保护患者隐私：合成现实患者门户信息的框架
原文中文，约400字，阅读约需1分钟。发表于：。本研究针对疫情后患者门户信息激增导致的临床医生疲劳问题，提出了一种基于大语言模型的框架，用于合成真实的患者门户消息。该框架通过少量去标识的患者门户信息，提高合成信息的质量，并且被认为符合HIPAA标准，具有重要的实际应用价值，能够为大规模合成患者消息数据集的发布和数据生成提供新路径。
本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），发现微调的Flan-T5 XL模型表现最佳，能够识别93.8%的存在不良SDoH的患者，显著优于传统的ICD-10代码。
