基于大语言模型的跨机构临床文本中健康社会决定因素提取研究

本研究针对电子健康记录(EHR)中健康社会决定因素(SDoH)信息分散、标注标准不统一、模型泛化性差等问题，通过构建多机构标注语料库，系统评估了包括大语言模型(LLM)在内的多种自然语言处理(NLP)技术在21类SDoH因子识别中的表现。研究发现，指令微调的LLaMA模型在Level 1（仅SDoH因子）和Level 2（SDoH因子及属性值）任务中分别取得0.9和0.84以上的微平均F1分数，显著优于传统模型。该研究为临床决策支持系统开发提供了重要技术支撑，相关模型已开源共享。

　　

在医疗健康领域，隐藏在病历文本中的"健康密码"——健康社会决定因素(Social Determinants of Health, SDoH)正日益受到重视。研究表明，美国每年超过三分之一的死亡可归因于教育水平低下、种族歧视、贫困等社会因素，其危害程度不亚于重大疾病。然而现实情况令人担忧：这些关键信息在电子健康记录(EHR)中往往支离破碎，有的以结构化数据形式散落各处，更多则深埋在医生书写的自由文本中。更棘手的是，不同医疗机构、不同专科的病历记录习惯千差万别，给系统性提取SDoH信息带来了巨大挑战。

针对这一难题，来自美国UTHealth等多家机构的研究团队在《npj Digital Medicine》发表了开创性研究。该团队构建了迄今为止最全面的21类SDoH标注体系，收集来自精神病专科医院、综合医院ICU、老年痴呆门诊和慢性疼痛中心的四类临床文本，创建了包含12,000余条标注语句的多中心语料库。通过系统比较XGBoost、TextCNN、Sentence-BERT、ClinicalBERT和LLaMA 2等模型的性能，首次证实指令微调的大语言模型在SDoH提取任务中的显著优势。

研究采用多阶段技术路线：首先通过文献综述和专家咨询确定21类SDoH及其细粒度属性；随后从UTHealth Harris县精神病学中心(HCPC)、UT Physicians(UTP)、MIMIC-III和Mayo诊所四个医疗中心获取经去标识化处理的临床文本；采用双盲标注和冲突解决机制构建Level 1（仅SDoH类别）和Level 2（含属性值）两个层次的标注语料；最后通过五折交叉验证和跨数据集测试，全面评估包括7B参数LLaMA 2在内的五种模型性能。

在"模型性能"部分，表格数据清晰显示：指令微调的LLaMA模型在绝大多数测试场景中领先。在Level 1任务中，该模型在HCPC、UTP、MIMIC-III和Mayo数据集上的微平均F₁分别达到0.927、0.984、0.883和0.945；即使面对更复杂的Level 2任务（类别数从21增至71），性能下降幅度也明显小于传统模型（仅降低2.7-4.6%）。特别值得注意的是，在类别极度不平衡的Mayo数据集上，LLaMA的宏平均F₁仍保持0.454，显著高于ClinicalBERT的0.285，展现出强大的小样本学习能力。

"泛化性实验"揭示了更深入的发现。当模型在一个机构数据上训练后直接应用于其他机构时，性能普遍下降，但LLaMA表现出最强的跨机构适应能力。例如，以HCPC数据训练的LLaMA模型在UTP和Mayo测试集上仍保持0.91的F₁值，远高于其他模型。研究还发现，对于样本量充足的五类常见SDoH（酒精、药物、就业状况、婚姻状况和居住状况），传统模型如ClinicalBERT在13/60的测试场景中表现最优，说明数据量仍是影响模型泛化能力的关键因素。

在"讨论"部分，作者指出三大创新点：一是创建了包含21类SDoH的迄今最全面标注体系；二是构建了首个多机构SDoH语料库；三是系统评估了LLM在此任务中的潜力与局限。研究同时揭示了临床实践中的"文档异质性"问题——不同专科、不同医疗机构对同一SDoH因子的记录方式和关注重点存在显著差异，这直接影响了模型的跨机构表现。

该研究的现实意义不言而喻。通过GitHub公开的预训练模型（BIDS-Xu-Lab/LLMs4SDoH），医疗机构可基于本地数据进行二次微调，以较低成本实现SDoH的自动化提取。未来研究方向包括：探索联邦学习应对数据隐私挑战、研究合成数据增强小样本类别识别、以及评估GPT-4等更强大模型的性能。值得关注的是，研究者特别强调算法偏见风险——由于不同人群SDoH表达方式存在差异，需警惕模型在少数族裔等群体上的性能偏差，这为后续研究指明了伦理审查方向。

这项研究标志着SDoH信息提取技术迈入新阶段。正如作者所言："当社会因素对健康的影响不亚于疾病本身时，从病历文本中挖掘这些'隐形杀手'的能力，将成为减少健康不平等的重要武器。"该成果不仅为精准医学提供了新的数据维度，也为全球范围内开展健康公平性研究建立了技术标杆。