研究人员开发了一个多模态大语言模型(LLM)系统,旨在从扫描的认知和行为评估中提取信息,这些评估通常存在手写和扫描伪影问题。该系统采用模块化方法,包括表单分类器和分数提取器,并结合了“人在回路”设计以提高准确性并减少人工审查。该基于LLM的解决方案在认知评估中实现了88%的端到端准确率,在NICHQ Vanderbilt评估中达到了97.5%的准确率,与手动方法相比,显著降低了处理时间和成本。 AI
影响 该系统提供了一种可扩展且经济高效的临床数据结构化方法,有望改善医疗保健领域的决策支持并降低管理开销。
排序理由 该集群描述了一篇研究论文,其中详细介绍了一种使用LLM进行信息提取的新颖系统。[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 →