本研究提出了一种基于大型语言模型的提示工程方法，成功提高了电子健康记录中医疗实体识别的可靠性，F1得分达到0.95，召回率为0.98，显示出良好的临床应用前景。

该研究使用深度学习和大型语言模型从EMR中提取和分类医疗信息，结果显示CNN-BiLSTM模型在医疗实体识别任务中表现优于BiLSTM-CRF模型，BERT-CNN模型在时间关系提取测试集上表现较好。