论文
从临床记录中提取乳腺癌表型：LLM 与经典本体方法的比较
Extracting Breast Cancer Phenotypes from Clinical Notes: Comparing LLMs with Classical Ontology Methods
摘要
肿瘤电子病历 (EMR) 中保存的大量数据包含在非结构化提供者注释中，包括但不限于化疗（或癌症治疗）结果、不同的生物标志物、肿瘤的位置、大小和患者的生长模式。临床研究表明，大多数肿瘤学家愿意用自然语言而不是电子病历的相关结构化字段在笔记中提供这些有价值的见解。这项研究的主要贡献是报告一个基于 LLM 的框架，用于处理提供者注释并提取上述有价值的医学知识和表型，重点关注肿瘤学领域。在本文中，我们重点使用 LLM 框架提取与乳腺癌相关的表型，然后将其性能与使用知识驱动注释系统并与 NCIt 本体注释器配对的早期作品进行比较。研究结果表明，基于 LLM 的信息提取框架可以轻松适应提取表型，其准确度可与经典的基于本体的方法相媲美。然而，一旦经过培训，它们就可以轻松地进行微调以适应其他癌症类型和疾病。