研究人员开发了一种从患者记录中重建临床时间线的新方法,保留每个事件及其来源的唯一标识符。该方法旨在阐明症状、检查和治疗的先后顺序,这在出院总结中通常不清楚。引入了一个名为GAVEL的大型语言模型,通过引用源文本和结构化电子健康记录(EHR)数据的证据来裁决时间线之间的分歧。评估表明,结合结构化证据提高了GLM-5.2模型的时间戳准确性,而GAVEL的判断者则偏好多模态时间线而非仅文本版本。 AI
影响 这项研究可以提高患者健康记录的准确性和清晰度,有助于临床决策和研究。
排序理由 该集群包含一篇详细介绍临床数据分析新方法和模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →