Resumen: La revisión manual de historias clínicas sigue siendo un componente de la investigación clínica que requiere mucho tiempo y recursos, y requiere que los expertos extraigan información a menudo compleja de narrativas de registros médicos electrónicos (EHR) no estructurados. Presentamos un marco modular seguro para la extracción automatizada de características estructuradas de notas clínicas que aprovechan los modelos de lenguaje grande (LLM) implementados localmente en una infraestructura informática aprobada institucionalmente que cumple con la Ley de Portabilidad y Responsabilidad de Seguros Médicos (HIPPA). Este sistema integra generación aumentada de recuperación (RAG) y métodos de respuesta estructurada de LLM en un contenedor escalable y ampliamente implementable para proporcionar extracción de características para diversos dominios clínicos. En la evaluación, el marco logró una alta precisión en múltiples características médicas presentes en grandes cantidades de notas de pacientes en comparación con un conjunto de datos anotados por expertos e identificó varios errores de anotación que se omitieron en la revisión manual. Este marco demuestra el potencial de los sistemas LLM para reducir la carga de la revisión manual de gráficos mediante la extracción automatizada y aumentar la coherencia en la captura de datos, acelerando la investigación clínica.
Publicado originalmente en export.arxiv.org el 16 de diciembre de 2025.
Ver fuente original
