研究人员开发了NS-CoT,一个神经符号化流程,旨在解释和执行自然语言的入组标准,以进行临床试验的地点可行性患者计数估算。该系统利用大型语言模型来构建标准,然后进行符号处理和SQL编译,以生成患者集和计数。该方法旨在记录标准如何被翻译,从而能够针对声明的参考定义进行审查和保真度检查,尽管它不能保证招募或试验结果的改善。 AI
影响 该方法可以提高临床试验患者选择的准确性和可追溯性。
排序理由 该集群包含一篇研究论文,详细介绍了一个特定领域的新方法和流程。[lever_c_demoted from research: ic=1 ai=0.7]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- alphaXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- NS-CoT
- Observational Medical Outcomes Partnership Common Data Model
- ScienceCast
- SQL
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →