Few-Shot 大语言模型 用于在线患者查询的可操作分类分类

在线患者询问通常是非正式的、不完整的，并且是在专业评估之前编写的，但仍必须将其转至适当级别的临床随访。我们将其作为四类可操作分类任务进行研究——自我护理、安排就诊、紧急临床医生审查或紧急转诊，并询问提示的 大语言模型 (LLM) 是否可以在低资源标签条件下支持此类路由。使用公共 HealthCareMagic-100K 语料库，我们构建了一个 300 个示例的人类校准黄金评估集、一个 700 个示例的自动标记银训练集和一个 40 个示例的少样本池。我们将银标签上用于生物医学文本挖掘 (BioBERT) 基线训练的 Transformer 的术语频率-逆文档频率 (TF-IDF) 和双向编码器表示与分别在 0 次、4 次和 12 次条件下的六个提示 LLM 进行比较。因此，我们使用宏观 $F_1$ 以及安全意识指标进行评估，包括紧急召回、分类不足率和严重分类不足率。最强的 LLM（Claude Haiku 4.5，12 个镜头）达到宏观 $F_1$ 0.475，超过点估计的最佳监督基线（BioBERT，0.378），具有重叠的置信区间。少量提示和两种模型协议以依赖于标签的方式提供帮助：自我护理协议是可靠的，紧急临床医生审查则不然。我们的结论是，LLM 可以支持分类优先级和选择性人工审查，但不能支持自主部署。