Автоматизированный отбор CT-протокола грудной клетки с помощью крупноязычной модели, построенной на текстовых вставках из текста запроса Imaging

arXiv: 2609.07986v1 Анонимный тип: новое резюме: Цель: точный отбор протокола КТ имеет решающее значение для качества диагностики и безопасности пациентов, однако нынешний процесс является неавтоматическим, трудоемким и подвержен несоответствиям. Методы предварительного машинного обучения с использованием ключевых слов или мешков слов не имеют контекстуального понимания и плохо работают по редким протоколам. Мы предлагаем систему поддержки принятия решений с использованием больших языковых моделей (LLM) для рекомендации протоколов из бесплатных текстовых клинических указаний, улавливания нюансов и дифференциальных формулировок в целях более последовательного и эффективного отбора. Методы: В рамках этого ретроспективного исследования 285 123 заявки на получение КТ грудной клетки из крупного академического медицинского центра (2017 - 2024 годы) были разбиты на наборы для обучения (228 099, 80%) и проверки (57 024, 20%). Каждая просьба включала имена процедур, клиническую индикацию, комментарии СИС и выбранный протокол. Клинический текст был встроен с использованием усовершенствованного LLM, LAma-3.1-70B Meta; эти функции вводят логарифм