研究人员开发了 MIMIC-Note-Extract (MNE),这是一个旨在结构化 MIMIC-IV-Note 出院小结中自由文本临床信息的新数据集。该数据集采用确定性解析和大型语言模型相结合的混合方法,将数据提取并组织成结构化表格,显著提高了患者病史和用药信息的覆盖范围和详细程度。MNE 的提取准确率已超过 92%,并经过医生验证,旨在减少未来临床研究和 LLM 代理开发的 डेटा क्युरेशन (data curation) 工作。 AI
影响 这个结构化数据集和相关的基准可以通过减少数据策划时间并实现更复杂的临床决策代理来加速医疗保健领域的人工智能发展。
排序理由 该集群描述了一个源自现有医疗记录的新数据集,该数据集是使用 LLM 创建的,并经过医学专业人士的验证,这是一项面向研究的贡献。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →