Agentic RAG系统在临床数据提取中达到96.5%的临床医生接受率

研究人员开发了一个Agentic Clinical Information Extraction (ACIE) 系统，以解决标准检索增强生成 (RAG) 在处理复杂患者数据方面的局限性。该本地部署的RAG管道在埃森大学医学中心部署，旨在处理广泛的患者上下文，包括时间推理和跨文档依赖。在一项针对淋巴瘤登记册的验证研究中，临床医生验证了ACIE的提取结果，接受率为96.5%，接受率因提取类型而异。 AI

影响 这种Agentic RAG方法有望提高AI系统在处理复杂、异构临床数据方面的准确性和可靠性。

排序理由 该集群包含一篇详细介绍新系统及其评估的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• ACIE
• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• Osman Alperen Koraş
• ScienceCast
• University Medicine Essen

• 论文
• 产品
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →