PulseAugur
中
实时 04:06:48

AI pipeline flags nearly 70% of EHRs for documentation inconsistencies

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个两阶段的大型语言模型管道，以自动检测电子健康记录（EHRs）中的不一致之处。该系统利用Gemini 2.5 Pro进行初步候选识别，并利用Gemini 2.5 Flash进行验证，应用于3,000份MIMIC-IV-Note出院总结。该管道识别出近70%的入院记录中存在潜在的不一致之处，涵盖了各种临床领域，但也突显了在需要时间推理或专业医学知识的领域中的局限性。 AI

影响 这项研究通过自动化检测关键文档错误，有可能提高EHR数据的可靠性和安全性。

排序理由 该集群是一篇研究论文，详细介绍了使用LLMs检测EHR不一致之处的新颖方法。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

AI pipeline flags nearly 70% of EHRs for documentation inconsistencies

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Jian Lu, Panyu Chen, Miriam Treggiari, Robert Blessing, Danyang Zhuo, Chunhua Weng, William W. Stead, Anru R. Zhang ·

    迈向电子健康记录中文档不一致性自动化检测

    arXiv:2607.22954v1 Announce Type: new Abstract: Objective: To characterize the kinds of internal documentation inconsistencies a general-domain large language model (LLM) can surface from real-world discharge summaries, and to identify recurring failure modes that limit reliabili…

相关实体

相关话题