论文
用于识别皮肤免疫相关不良事件的人在环 大语言模型 框架
Human-in-the-Loop Large Language Model Framework for Identification of Cutaneous Immune-Related Adverse Events
摘要
本研究评估了检索增强、多代理 大语言模型 (LLM) 驱动的人机循环框架，用于从临床记录中检测皮肤免疫相关不良事件 (cirAE)。与无辅助的手动审核相比，LLM 辅助的工作流程提高了准确性（F1 = 0.88 vs 0.77）、Cohen kappa 测量的评分者间一致性（kappa = 0.82 vs 0.50），并将平均审核时间减少了大约一半。该框架试点了如何应用 LLM 来识别跨器官系统的免疫相关毒性，并更广泛地实现准确、可扩展和透明的不良事件数据提取。