研究人员开发了Nimblemind多智能体系统（nMAS），这是一个旨在从碎片化的患者文档中提取临床相关肿瘤学信息的工作流。该系统旨在将非结构化文本转换为结构化数据，保留临床上下文并实现跨各种医疗细节的准确归因。在对230份去标识化的肿瘤学文档进行的追溯性评估中，nMAS达到了85.0%的F1分数，显著优于达到66.4%的MiniMax M2.5比较器。研究结果表明，nMAS是将复杂的医疗记录转化为可用结构化数据的可行解决方案。 AI
影响 该系统可以简化临床数据提取，有可能提高癌症登记的准确性和研究能力。
排序理由 该项目是一篇学术论文，详细介绍了一个新的AI系统及其评估。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- MiniMax M2.5
- New Mexico Academy of Science
- Nimblemind Multi-Agent System
- Oncology
- ScienceCast
- uniform memory access
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
