TRACE 方法减少临床笔记冗余以降低 LLM 成本

TRACE 用 EHR 元数据去冗余，大幅减少临床笔记 token 且性能基本不变

资讯摘要

论文提出 TRACE 方法，利用电子病历（EHR）的笔记级元数据识别模板化与复制内容，在元数据缺失时改用基于频率的去重。作者在肝移植、产科和住院人群四个队列共 530 万份笔记上评估，称被删除文本中仅 0.3–6.6% 为作者原创，覆盖 86% 的标注模板字符；信息抽取与预测任务的 F1 变化在 -0.011 至 +0.018 之间。在 1000 名斯坦福医疗中心患者中，图表文本减少 47.3%，人均少 220,167 个 token。

要点速读

1. TRACE 用笔记级 EHR 元数据识别模板和复制内容，元数据不可用时用频率去重
2. 四个队列共 530 万份笔记；被删文本中 0.3–6.6% 为作者生成，覆盖 86% 标注模板字符
3. 1000 名患者样本中文本减少 47.3%，人均少 220,167 个 token；作者按 2024 年就诊量估算三年净节省 100 万至 1358 万美元

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。