แนวคิดหลัก
대규모 언어 모델을 사용하여 전자 건강 기록에서 건강 사회 결정 요인을 추출하는 능력을 연구하고, 이를 통해 실제 세계 데이터 수집과 환자 치료를 지원할 수 있는 잠재력을 확인했습니다.
สถิติ
우리의 최고 성능 모델은 Flan-T5 XL (macro-F1 0.71) 및 Flan-T5 XXL (macro-F1 0.70)입니다.
환자 수준에서, 우리의 모델은 부정적인 SDoH를 식별하는 데 ICD-10 코드가 2.0%에 불과한 반면, 93.8%의 환자를 식별했습니다.
คำพูด
"우리의 연구 결과는 대규모 언어 모델이 실제 세계 데이터 수집을 개선하고, 추가적인 사회적 지원이 필요한 환자를 식별하는 데 도움이 될 수 있다는 가능성을 강조합니다." - 연구팀