使用大语言模型将NICE指南自动转换为可执行计算模型

简介：NICE 指南为临床护理提供基于证据的建议，但大部分仍采用非结构化自然语言。将它们转换为可计算表示的现有方法通常关注个体疾病，需要大量的手动编码，并且无法扩展。大语言模型 (LLM) 可以使大部分翻译实现自动化。方法：我们提出了一种端到端方法，将文本临床指南转换为可执行模型，能够生成可解释的、针对患者的建议。基于 LLM 的逐步转换以及上下文示例会产生人类可检查的中间工件。我们将该方法应用于 NICE 胰腺癌和肺癌指南，利用专家评审来评估规则一致性，并根据 20 个患者实例评估可执行的胰腺癌模型。结果：专家审查显示源指南和生成的可执行模型之间具有很强的一致性。大多数差异是部分遗漏而不是不正确的逻辑，而幻觉或根本不正确的规则则很少见。在患者小插图上，可执行模型的 F1 得分为 82.5%。结论：LLM可以将自然语言 NICE 指南转化为可解释、可执行的模型，保留指南结构，支持透明的检查和修改，并生成针对患者的建议。这些发现证明了可扩展的自动生成可计算临床指南的可行性。