Large Language Models for Clinical Narrative Processing: Methods, Applications, and Challenges

doi:10.3390/mps9030069

Large Language Models for Clinical Narrative Processing: Methods, Applications, and Challenges

2026-05-01

0

PRE

AI

L

Livieratos, Achilleas

Katsanos, Konstantinos H.

G

Gamalo, Margaret

DOI：10.3390/mps9030069

原文链接

原文求助

摘要

En 中文

大型语言模型（LLMs）已迅速推动自然语言处理的发展，并越来越多地用于分析临床叙事。它们提取信息、总结记录和支持临床工作流程的能力使其成为增强文档效率及电子健康记录（EHR）数据二次应用的潜在工具。本研究旨在综合近年来LLMs在临床叙事处理的方法和应用的证据，并评估其性能、优势、局限及对临床实践的启示。在2022-2026年的研究中，LLMs在信息提取、总结、分诊预测、节段分类和生成文本生成方面表现出色，通常超越传统机器学习模型。总体而言，LLMs提高了非结构化笔记向可操作临床见解的转化，减轻了文档负担，并支持决策任务。关键挑战包括幻觉、可重复性差异、对提示的敏感性、领域适应差距和透明度有限。我们的发现表明，LLMs在临床叙事处理方面具有巨大潜力，但安全应用需要严格评估和持续模型审计。本研究提供了代表性研究的结构化、非系统性综合，旨在作为新兴应用的高层次概述，而非全面的系统综述。

Keyword:

large language models

clinical practice

electronic health records

medical informatics

Large Language Models for Clinical Narrative Processing: Methods, Applications, and Challenges

摘要

期刊

机构

引用论文