近年、医療記録の分析に注目が集まっており、特に社会的支援や社会的孤立（SS/SI）の表現の特定は、患者の精神的健康状態を理解するのに重要です。本文は、これらの微細なカテゴリーを識別するために、ルールベースおよび大規模言語モデル(LLM)を基盤としたシステム開発に関する最新の研究成果を紹介しています。
具体的には、開発されたシステムでは、医療ノートからSS/SIに関する言及を特定し、詳細から概略的なラベルへの変換をルールで行っています。また、FLAN-T5という先進的なLLMを活用し、質問応答方式で文を抽出しています。このFLAN-T5は、分岐しているため、その最適なバリアントに基づいてモデルが選ばれました。
モデルの評価には、マクロ平均された精度、再現率、F値が使用され、ノートレベルでの性能がテストされています。この手法は、ドメイン専門家による徹底したバリデーションを経て洗練されています。
最終的な成果物には、Weill Cornell MedicineやIcahn School of Medicine at Mount Sinai、Mayo Clinic、Columbia Universityといった多くの機関が関与する研究陣が寄与しており、公開されているGitHubのコードを通じて、その方法論をさらに広めていくことが期待されます。
出典 : Developing Rule and LLM-Based Systems to Identify Mentions of Fine-Grained Categories | HackerNoon https://hackernoon.com/developing-rule-and-llm-based-systems-to-identify-mentions-of-fine-grained-categories?source=rss
