用于可扩展患者试验匹配的轻量级检索增强生成和基于 大语言模型 的建模

患者试验匹配需要对冗长、异构的电子健康记录 (EHR) 和复杂的资格标准进行推理，这对可扩展性、泛化和计算效率提出了重大挑战。现有方法要么依赖于 大语言模型 (LLM) 的全文档处理，这在计算上是昂贵的，要么使用难以捕获非结构化临床叙述的传统机器学习方法。在这项工作中，我们提出了一个轻量级框架，它将检索增强生成和基于 大语言模型 的建模相结合，以实现可扩展的患者试验匹配。该框架明确区分了两个关键组件：检索增强生成用于从长 EHR 中识别临床相关片段，降低输入复杂性，而 大语言模型 用于将这些选定片段编码为信息表示。这些表示通过降维进一步细化，并使用轻量级预测器进行建模，从而实现高效且可扩展的下游分类。我们在多个公共基准（n2c2、SIGIR、TREC 2021/2022）和来自 Mayo Clinic (MCPMD) 的真实多模态数据集上评估了所提出的方法。结果表明，基于检索的信息选择显着减少了计算负担，同时保留了具有临床意义的信号。我们进一步证明，冻结的 LLM 为结构化临床数据提供了强有力的表示，而 微调 对于建模非结构化临床叙述至关重要。重要的是，所提出的轻量级管道实现了与端到端 LLM 方法相当的性能，并且计算成本显着降低。