2312.02296.md

背景

• 背景
  论文介绍了医学信息提取领域面临的挑战，尤其是手动标注数据的费时费力。尽管之前有研究通过结合预训练语言模型（如BERT）和主动学习的方法来降低手动标注的需求，但这些方法依旧需要显式的模型参数调整以适应数据分布和任务。

• 已有的工作 现有的方法需要对模型参数进行详细的调整，以使之适应特定的数据分布和任务。这一调整过程比较繁琐，并且在一些情况下可能无法得到理想的效果。

核心贡献

• 提出了一个基于LLM的注释流程

  • 挑战1：提高注释效率 研究提出了一个基于大型语言模型（LLM）的方法，这个方法可以显著提升医学信息提取任务的效率，这是通过减少对模型参数调整的需求来实现的。

  • 挑战2：避免复杂参数调整 该方法不需要对模型进行显式的调整，从而加快了医学信息提取的注释速度，并降低了相关成本。

实现与部署

论文中使用的数据集是2009年i2b2 NLP挑战赛提供的脱敏的临床出院摘要数据集。数据集被分为训练集、开发集和测试集，以便在不同阶段评估LLM注释流程。LLM注释流程包括将输入文档分割成文本块，设计特定于任务的少量样本提示(prompt)，LLM基于这些提示产生文本输出。之后，生成的文本输出被结构化为NER-RE对象。评估结果显示，相比于传统的人工注释方法，LLM方法可以显著提高注释效率。

总结

本论文展示了一个利用大型语言模型，特别是Google的PaLM 2，来提升医学信息抽取任务中注释速度的方法。这个基于LLM的注释流程提高了效率且不需要对模型进行复杂的调参，使其成为一个有潜力的工具来加速医疗领域的数据注释工作。