研究：使用ChatGPT从临床笔记中提取结构化数据

ChatGPT：改善医疗保健中的患者与临床医生沟通

基于大型语言模型（LLMs）的模型，如ChatGPT，越来越多地被用于医疗保健领域，以增强患者与临床医生之间的沟通。与传统的自然语言处理（NLP）方法不同，传统方法需要问题特定的注释和模型训练，而ChatGPT等LLMs则依赖于逻辑推理和知识来辅助语言处理。这使得它们成为一种可行的替代方案，特别是在缺乏人工注释数据或无法构建昂贵的算法时。

评估ChatGPT从临床笔记中提取结构化数据

在本研究中，研究人员开发了一种基于LLM的方法，使用ChatGPT 3.50-turbo模型从临床笔记中提取结构化数据。他们将肺肿瘤病理报告和儿科骨肉瘤报告转化为文本，并使用OpenAI API分析数据并根据特定提示提取结构化信息。批量查询使用了ChatGPT API，并且后处理包括解析和清理模型的输出。该研究旨在从非结构化的病理报告中提取TNM分期和组织学类型的信息。

研究结果和限制

研究发现，ChatGPT 3.50版本在从肺肿瘤和骨肉瘤数据集中提取病理分类方面取得了高准确率，超过了关键词算法和基于深度学习的方法的性能。然而，模型的性能受到提示设计的影响，导致病理术语和TNM分期指南的误分类。该研究还发现了肿瘤分期分类和组织学诊断的误分类。尽管存在这些限制，该研究展示了像ChatGPT这样的LLMs在将非结构化的医疗信息转化为有组织的表示方面的潜力，这对未来的研究和临床决策具有重要意义。