Span-Centric Learning

通过跨度为中心的学习训练的大型语言模型提高了ICD编码的准确性和效率

研究人员开发了一种名为跨度为中心的学习（SCL）的新训练框架，以提高大型语言模型（LLM）在临床文档中分配国际疾病分类（ICD）代码的准确性。该方法侧重于训练LLM识别局部文本跨度中的证据，这比标注整个文档更具可扩展性。SCL增强了LLM在跨度级别的推理能力，并将此能力转移到文档级别的编码中，从而以更低的训练成本显著提高了准确性。