基于开源大语言模型的乳腺X线报告结构化提取：本地化部署与CDE框架的临床实践探索

本研究针对乳腺X线自由文本报告中信息提取的临床需求，创新性地采用五种开源大语言模型（LLMs）在本地GPU环境实现数据提取，通过79个通用数据元素（CDE）构建结构化报告框架。研究团队开发了基于Python的通用分类系统，验证了提示工程对模型性能的影响，最佳模型准确率达85.3%，且通过概率阈值筛选可使准确率提升至94.5%。该成果为医疗数据隐私保护与临床决策支持提供了可本地化部署的AI解决方案。

　　

在医疗信息化浪潮中，乳腺X线检查作为乳腺癌筛查的重要手段，每年产生海量自由文本报告。然而，这类非结构化数据难以直接用于临床决策支持或科研分析，传统自然语言处理（NLP）方法在复杂语义理解上表现有限。更棘手的是，当前主流的商业大语言模型（LLM）需通过API调用，存在患者隐私数据外泄风险。这些矛盾催生了《Journal of Imaging Informatics in Medicine》最新发表的研究——探索如何在有限硬件资源下，通过开源LLM实现乳腺X线报告的高效结构化提取。

研究团队采用模块化技术路线：首先由多学科专家小组定义79个通用数据元素（CDE），构建符合ACR指南的层级化数据结构；随后基于general-classifierPython包开发本地化处理系统，在单块NVIDIA RTX6000 GPU上测试了Rombos-LLM等五种开源模型。通过61份临床报告的人工标注建立金标准，系统评估了默认提示、思维链（CoT）提示等不同策略对分类性能的影响。

关键方法

1. 1.

   CDE框架构建：通过德尔菲法建立包含"病史"、"报告"两大类的79个CDE，其中"发现"子类涵盖病灶特征等复杂语义内容

2. 2.

   模型部署：精选14-22B参数规模的五种高效LLM，包括专注指令跟随的Rombos-LLM和混合架构的Lamarck 14B

3. 3.

   评估体系：采用精确匹配准确率为主指标，辅以微平均召回率/F1值，通过2000次bootstrap检验统计差异

主要结果

CDE框架验证

专家标注显示总体Cohen's kappa达0.83，证实CDE定义的清晰性。其中"发现"子类一致性最低（0.71），反映病灶描述存在天然主观性。

基础性能比较

默认提示下Rombos-LLM以72.9%准确率领先，显著优于其他模型（p<0.0001）。值得注意的是，模型在"乳腺构成"等客观分类任务表现优异（准确率>90%），而在病灶特征描述等复杂任务中明显下降。

提示工程优化

改编提示策略带来显著提升：

• •

  思维链提示使Rombos-LLM准确率提高至76.3%

• •

  任务定制化提示使最佳模型准确率达85.3%，其中"既往乳腺X线检查提及"分类准确率从72.1%提升至96.7%

• •

  概率阈值筛选可进一步提升性能（99.9%阈值时准确率94.5%），但覆盖率降至44%

硬件效率

所有模型单报告处理时间<108秒，硬件成本控制在7600瑞士法郎内，证实方案在资源有限机构的可行性。

这项研究开创性地证明：

1. 1.

   中等规模开源LLM可通过精心设计的提示策略，在本地环境实现接近商业API的临床文本处理性能

2. 2.

   CDE框架为医学AI应用提供了语义明确的标准化接口，其层级结构有效支持复杂临床数据的机器可读性转化

3. 3.

   概率阈值机制为临床部署提供了风险控制手段，用户可根据场景需求平衡准确率与覆盖率

该成果为医疗AI的合规部署树立了新范式，其技术路线可扩展至CT、MRI等其他模态报告的结构化处理。随着SMARAGD等倡议推进，这种结合CDE标准化与高效LLM的技术架构，有望成为打通临床数据"最后一公里"的关键基础设施。