来源：期刊VIP网 时间：
作者：高峰;刘晴;靳英辉;顾进广;
单位：武汉科技大学计算机科学与技术学院;武汉科技大学大数据科学与工程研究院;智能信息处理与实时工业系统湖北省重点实验室;国家新闻出版署富媒体数字出版内容组织与知识服务重点实验室;武汉大学中南医院循证与转化医学中心;
摘要：医学指南的发布速度迅猛，但其在循证过程中的结构化组织和检索面临诸多挑战，影响了知识的迅速获取和应用。为应对这一问题，本文提出了基于循证医学的指南知识抽取模型。该模型旨在实现指南证据的高效抽取并且识别指南证据来源文献的偏倚风险。该模型结合人工标注的少样本数据集构建提示指令对大语言模型进行训练，以提升其在指南知识抽取任务上的性能。构建融合外部知识的随机对照试验偏倚风险评估模型，在BERT模型的基础上引入多元化的外部知识信息增强模型的偏倚风险识别能力。经过提示微调后的大语言模型在抽取指南关键信息任务上的性能得到了显著提升，BLEU-4提升在43个百分点以上。融合外部知识的证据偏倚风险评估模型在识别偏倚风险方面也展现出了优越的性能，最高精确率达到了0.898,F1值达到了0.892。这表明，在有限的数据集规模下，结合提示工程对大语言模型进行微调，可以有效地提取所需的医学指南信息，并且经过融合多元化的外部知识后，偏倚风险识别模型的性能得到了显著增强。因此，医学指南知识抽取模型有助于推动高质量临床医学研究。
关键词：循证医学;;大语言模型;;BERT;;偏倚风险评估
基金资助：武汉市重点研发计划（2022012202015070）;; 武汉市东湖高新区揭榜挂帅项目（2022KJB12）;; 富媒体数字出版内容组织与知识服务实验室开发基金（ZD2022-10/05）;; 国家自然科学基金（U1836118）
