English(EN) Few-Shot Large Language Models for Actionable Triage Categorization of Online Patient Inquiries

大语言模型在患者咨询分诊方面展现潜力，但不能自主部署

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-15 07:02

研究人员探索了使用少样本大语言模型对在线患者咨询进行分类，旨在改进临床分诊。他们使用构建的评估集，将提示式大语言模型与TF-IDF和BioBERT等传统方法进行了比较。虽然最强的大语言模型Claude Haiku 4.5在性能上优于监督基线，但结论是大语言模型可以辅助分诊优先级排序和选择性人工审查，而不是自主部署。 AI

影响大语言模型可以辅助临床审查的患者咨询优先级排序，提高医疗保健环境的效率和安全性。

排序理由该集群包含一篇学术论文，详细介绍了关于大语言模型在特定任务能力的 പഠനം。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Jiafu Li · 2026-05-15 07:02

Few-Shot Large Language Models for Actionable Triage Categorization of Online Patient Inquiries

Online patient inquiries are often informal, incomplete, and written before professional assessment, yet they must still be routed to an appropriate level of clinical follow-up. We study this as a four-class actionable triage task -- self-care, schedule-visit, urgent-clinician-re…

报道来源 [1]

Few-Shot Large Language Models for Actionable Triage Categorization of Online Patient Inquiries

相关实体

相关话题