PulseAugur
中
实时 00:56:17

开源大语言模型在自动化病理报告提取方面展现出潜力 · 跟踪 2 个来源

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种使用开源大语言模型（LLMs）的零样本、代理式工作流程，用于从肺部病理报告中提取关键信息。该方法旨在自动化填充美国病理学家协会的 13 个同步字段，这项任务传统上需要人工操作且容易出错。虽然监督基线达到了 0.960 的 Micro-F1 分数，但表现最佳的零样本 LLM GPT OSS 20B 达到了 0.893 的 Micro-F1 分数，证明了其在没有特定训练的情况下准确提取复杂关系的能力。 AI

影响 这项研究表明，开源大语言模型可以为自动化医学病理学中的关键数据提取提供一种经济高效的解决方案。

排序理由 研究论文，详细介绍了 LLMs 在从临床叙述中提取信息方面的新应用。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

开源大语言模型在自动化病理报告提取方面展现出潜力 · 跟踪 2 个来源

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Aman Pathak, Cheng Peng, Mengxian Lyu, Ziyi Chen, Reema Solan, Sankalp Talankar, Yasir Khan, Hiren Mehta, Aokun Chen, Yi Guo, Yonghui Wu ·

    Prompt, Plan, Extract：用于从临床叙述中提取肺部病理的零样本代理LLM工作流

    arXiv:2606.19852v1 Announce Type: new Abstract: Information extraction from pathology reports is essential for cancer staging, tumor registry population. Yet key data remains embedded in narrative reports, making manual extraction labor-intensive and error-prone. Traditional supe…

  2. arXiv cs.CL TIER_1 English(EN) · Yonghui Wu ·

    Prompt, Plan, Extract：用于从临床叙述中提取肺部病理的零样本代理 LLM 工作流

    Information extraction from pathology reports is essential for cancer staging, tumor registry population. Yet key data remains embedded in narrative reports, making manual extraction labor-intensive and error-prone. Traditional supervised Natural Language Processing pipelines add…

相关实体

相关话题