使用两步检索增强的文本到SQL生成从电子健康记录中生成患者队列
Generating patient cohorts from electronic health records using two-step retrieval-augmented text-to-SQL generation
AI总结：
本文提出一种利用大语言模型结合标准解析、两级检索增强生成和SQL生成的自动化系统，从电子健康记录中识别患者队列，达到0.75的F1分数，验证了自动化队列生成的可行性。
摘要：
临床队列定义对于患者招募和观察性研究至关重要，然而将纳入/排除标准转换为SQL查询仍然具有挑战性且需要人工操作。我们提出了一种利用大语言模型的自动化系统，该系统结合了标准解析、带有专门知识库的两级检索增强生成、医学概念标准化以及SQL生成，以检索带有患者漏斗的患者队列。该系统在电子健康记录数据上的队列识别中达到了0.75的F1分数，有效捕捉了复杂的时间与逻辑关系。这些结果证明了自动化队列生成用于流行病学研究的可行性。
英文摘要：
Clinical cohort definition is crucial for patient recruitment and observational studies, yet translating inclusion/exclusion criteria into SQL queries remains challenging and manual. We present an automated system utilizing large language models that combines criteria parsing, two-level retrieval augmented generation with specialized knowledge bases, medical concept standardization, and SQL generation to retrieve patient cohorts with patient funnels. The system achieves 0.75 F1-score in cohort identification on EHR data, effectively capturing complex temporal and logical relationships. These results demonstrate the feasibility of automated cohort generation for epidemiological research.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
