
-
生物通官微
陪你抓住生命科技
跳动的脉搏
检索增强多智能体大语言模型在皮肤免疫相关不良事件检测中的应用研究
《npj Precision Oncology》:Human-in-the-loop large language model framework for identification of cutaneous immune-related adverse events
【字体: 大 中 小 】 时间:2026年10月16日 来源:npj Precision Oncology 9.9
编辑推荐:
摘要本研究评估了一种用于从临床记录中检测皮肤免疫相关不良事件(cirAEs)的检索增强型、多智能体大语言模型(LLM)驱动的人在环框架。与无辅助人工审查组相比,LLM 辅助组展现了更高的准确率(F1 = 0.88 vs 0.77)和由科恩卡帕系数衡量的评估者间一致性(κ =
本研究评估了一种用于从临床记录中检测皮肤免疫相关不良事件(cirAEs)的检索增强型、多智能体大语言模型(LLM)驱动的人在环框架。与无辅助人工审查组相比,LLM 辅助组展现了更高的准确率(F1 = 0.88 vs 0.77)和由科恩卡帕系数衡量的评估者间一致性(κ = 0.82 vs 0.50),并且平均审查时间缩短了约三分之一。该框架探索了如何将 LLM 应用于识别免疫相关毒性,更广泛地,支持准确、可扩展且透明的不良事件数据提取。