LLM用于卒中病历变量提取

LLaMA3.3-70B在卒中报告变量提取中准确率达94.8%。

资讯摘要

论文评估基于提示词的大语言模型框架，从三家医院2416份神经介入急性卒中手术报告中提取八项临床变量，测试22个指令微调开源模型，比较Quick Response与Chain-of-Thought提示。作者报告LLaMA3.3-70B整体准确率最高，达94.8%；CoT对闭塞部位等需推理变量更有效，直接陈述字段用Quick Response更佳。专家裁定显示多数变量上AI预测比非专家标注更贴近专家判断，颅内血管成形术仍是难点。

要点速读

1. 论文在2416份卒中介入报告上评估22个开源指令微调LLM，提取八项临床变量。
2. 作者报告LLaMA3.3-70B整体准确率最高为94.8%，CoT对推理型变量更优。
3. 专家裁定显示多数变量上AI预测比非专家标注更接近专家判断，颅内血管成形术仍具挑战。

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 2026/10/31 08:00:18（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。