新的LLM框架KREL通过ICD指南增强自动医学编码

研究人员开发了KREL，一个旨在利用大型语言模型（LLM）改进自动医学编码的新框架。KREL将外部国际疾病分类（ICD）编码指南整合为结构化知识，使LLM能够更有效地对临床证据进行推理。该方法旨在解决临床记录长度、庞大的ICD标签空间和复杂的编码规则等挑战，从而减少幻觉并更好地遵守编码标准。实验表明，KREL在基准数据集上的表现优于现有的预训练语言模型和基于LLM的方法。 AI

影响 该框架通过利用LLM处理复杂的编码任务，有望简化医疗计费并提高临床数据分析的准确性。

排序理由 该项目是一篇研究论文，详细介绍了一个新的医学编码框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• International Statistical Classification of Diseases and Related Health Problems
• LLMs
• ScienceCast

• 论文
• 模型发布

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