位置：使用大型语言模型对非结构化临床记录进行主题分析.pdfVIP

位置：使用大型语言模型对非结构化临床记录进行主

题分析

12345

SeungjunYi,JoakimNguyen,TerenceLim,AndrewWell,JosephSkrovan,

556715,8

MehakBeri,YongGeonLee,KavitaRadhakrishnan,LiuLeqi,MiaMarkey,YingDing

1DepartmentofBiomedicalEngineering,TheUniversityofTexasatAustin

2DepartmentofComputerScience,TheUniversityofTexasatAustin

3CollegeofNaturalSciences,TheUniversityofTexasatAustin

4DepartmentofCardiacSurgery,VanderbiltUniversitySchoolofMedicine

5SchoolofInformation,TheUniversityofTexasatAustin

本6SchoolofNursing,TheUniversityofTexasatAustin

译7IROM,McCombsSchoolofBusiness,TheUniversityofTexasatAustin

中8DellMedicalSchool,TheUniversityofTexasatAustin

{charlie.yi,jhn001,terence.lim}@,andrew.well@,

1jskrovan@fastmail.fm,{mberi,yg910524}@,

v

7kradhakrishnan@,{leqiliu,mia.markey}@,

9ying.ding@

5

4

1

.

9Abstract

0

5

2这份立场文件探讨了大型语言模型（LLMs）如何支持对非结构化临床记录

:

v的主题分析，这是一种广泛使用但资源密集的方法，用于揭示患者和提供者

i叙述中的模式。我们系统地审查了最近将LLMs应用于主题分析的研究，并

x

r辅以与一名执业医师的访谈。我们的研究发现，当前方法在多个维度上仍然

a

存在碎片化现象，包括主题分析类型、数据集、提示策略以及所使用模型，尤

其是在评估方面最为明显。现有的评估方法差异很大（从定