MIMIC-Note-Extract：从MIMIC-IV出院小结提取的大规模结构化数据集

MIMIC出院小结被转为结构化数据集，医生验证准确率超92%

资讯摘要

论文提出MIMIC-Note-Extract（MNE），用确定性解析与模式引导的大语言模型生成相结合的混合流程，将300,720份出院小结中的16个章节转为结构化表格。作者报告该数据集补充了MIMIC中无结构化对应的信息，患者病史条目增至10倍，用药史覆盖的入院数增加逾一倍；医生验证各章节抽取准确率超过92%。作者还基于MNE构建了面向LLM智能体的临床决策基准。

要点速读

1. 混合抽取流程结合确定性解析与模式引导的大语言模型生成，处理300,720份出院小结的16个章节
2. 作者报告患者病史条目为原来的10倍，用药史覆盖的入院数增加逾一倍
3. 医生验证各章节抽取准确率超过92%，并据此构建LLM智能体临床决策基准

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 2026/11/5 08:00:38（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。