论文
PLACID：在本地分流处理临床缩略语识别与释义
PLACID: Privacy-preserving Large language models for Acronym Clinical Inference and Disambiguation
摘要
大语言模型 (LLM) 提供跨多个领域的变革性解决方案，但医疗保健集成受到严格的数据隐私限制的阻碍。临床叙述中充满了含糊不清的缩写词，误解这些缩写词可能会导致严重的后果，例如危及生命的用药错误。虽然依赖于云的 LLM 擅长缩写词消歧，但将受保护的健康信息传输到外部服务器违反了隐私框架。为了弥补这一差距，本研究开创了对完全部署在设备上的小参数模型进行评估的先河，以确保隐私保护。我们引入了一个保护隐私的级联管道，利用通用本地模型来检测临床首字母缩略词，将它们路由到特定领域的生物医学模型以进行上下文相关的扩展。结果表明，虽然通用指令跟踪模型实现了较高的检测精度（~0.988），但其扩展能力却直线下降（~0.655）。我们的级联方法利用特定领域的医学模型将扩展精度提高到 (~0.81)。这项新颖的工作表明，隐私保护的设备上 (2B-10B) 模型可提供高保真临床首字母缩略词消歧支持。