通过研究769份乳腺癌病理报告，比较了GPT-4和GPT-3.5模型的分类能力，发现GPT-4在13个任务中要么优于要么与最佳监督模型相当。研究还发现，LLMs可以减轻数据标注负担，但使用带有大规模标注数据集的监督模型也可以提供可比较的结果。LLMs可以加快临床自然语言处理研究的执行速度，提高NLP在临床观察研究中的利用率。