GAVEL：基于病例报告裁决抽取临床时间线差异的 LLM 评判协议
英文标题：Grounded Adjudication of Variations across Extracted TimeLines (GAVEL): Comparing Clinical Timelines Against Their Case Reports
针对从临床病例报告中抽取时间线时面临的人工参考标注不完善、事件对齐不精确等评估难题，研究团队提出了 GAVEL 评测框架。GAVEL 是一种基于大语言模型裁判（LLM Judge）的裁决协议，旨在直接对比并裁定提取出的临床时间线与原始病例报告之间的差异与质量。该方法克服了传统评估流程对人工黄金标准的强依赖，显著增强了复杂临床文本时序提取评估的自动化与可靠性。这项研究为医疗 AI 领域在病程时序抽取、电子病历分析及临床大模型落地评估方面提供了新的基准工具。
打开原文相关 2.4 · 机会 0
2.1 KB
483 B
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
摘要信息
arXiv:2609.13475v1 公告类型：新发布 (new)
摘要：现有的从病例报告中抽取临床时间线（clinical timeline extraction）的技术流程大多依赖专家标注作为参考标准进行评估，但往往受制于人工参考标注不够完备以及事件对齐不够精确的问题。为此，我们开发了 GAVEL——一种大语言模型评判（LLM judge）协议，用于对比抽取出的两条时间线及其与病例报告的实据差异……
BibTeX 格式引用 (BibTeX formatted citation)
English / 原文
BibTeX formatted citation
×