[發明專利]基于大模型提升臨床試驗受試者匹配精度的方法和系統

在審

• 申請號: 202310901710.0
• 申請日: 2023-07-21
• 公開（公告）號: CN116646041A
• 公開（公告）日: 2023-08-25
• 發明（設計）人: 張奇;蘇志鵠;李麗
• 申請（專利權）人: 北京惠每云科技有限公司
• 主分類號: G16H10/20
• 分類號: G16H10/20;G06F16/35;G06F40/295
• 代理公司: 成都拓荒者知識產權代理有限公司 51254
• 代理人: 鄒廣春

1.一種基于大模型提升臨床試驗受試者匹配精度的方法，其特征在于，所述方法包括：

獲取醫學文本信息；

構建醫學領域大語言模型；

通過所述醫學領域大語言模型對醫學文本信息進行提取并獲取專病數據集；

通過預設的項目納排標準對專病數據集匹配對應的臨床試驗項目，所述項目納排標準包括不同的臨床試驗項目以及對應的納排標準。

2.根據權利要求1所述的基于大模型提升臨床試驗受試者匹配精度的方法，其特征在于，所述構建醫學領域大語言模型包括；

獲取醫學文本數據；

提取醫學文本關鍵詞；

根據醫學文本關鍵詞查詢對應的醫學領域大模型；

訓練醫學領域大模型；

構建醫學領域大語言模型。

3.根據權利要求2所述的基于大模型提升臨床試驗受試者匹配精度的方法，其特征在于，所述構建醫學領域大語言模型包括：

查詢不同的醫學領域大語言模型對應的效果并進行評估；

根據評估結果選擇精準度達標的醫學領域大語言模型并進行融合操作；

若融合后的醫學領域大語言模型的精準度大于融合前的任一醫學領域大語言模型，則將融合后的醫學領域大語言模型設置為構建醫學領域大語言模型。

4.根據權利要求2所述的基于大模型提升臨床試驗受試者匹配精度的方法，其特征在于，所述提取醫學文本關鍵詞包括：

將醫學文本關鍵詞進行分類獲得實體文本和關系文本；

所述實體文本識別具體包括如下步驟：

識別實體文本中的醫學概念；

抽取實體文本中的醫學關鍵信息；

輸出已選關鍵信息至關系文本中。

5.根據權利要求4所述的基于大模型提升臨床試驗受試者匹配精度的方法，其特征在于，在所述將醫學文本關鍵詞進行分類獲得實體文本和關系文本之后，還包括：

判斷不同醫學關鍵信息之間的關聯關系；

將相關聯的醫學文本關鍵詞作為集合輸出關系文本；

將輸出的所述關系文本與醫學關鍵信息設置為醫學文本關鍵詞。

6.根據權利要求5所述的基于大模型提升臨床試驗受試者匹配精度的方法，其特征在于，所述獲取專病數據集包括：

基于參考文獻定義專病數據集框架；

結合醫學文本關鍵詞生成對應的專病數據集；

獲取醫學領域大語言模型優化后的醫學知識圖譜；

通過醫學知識圖譜對專病數據集進行擴充并生成完善專病數據集。

7.根據權利要求6所述的基于大模型提升臨床試驗受試者匹配精度的方法，其特征在于，所述方法還包括：

通過醫學領域大語言模型對臨床試驗項目進行檢驗，所述檢驗操作具體包括：

根據臨床試驗項目獲取對應的項目病癥信息、項目用藥信息和項目名稱信息；

根據醫學領域大語言模型分別對項目病癥信息、項目用藥信息和項目名稱信息進行分析獲取對應的項目醫學關鍵詞信息；

將項目醫學關鍵詞信息和醫學文本關鍵詞進行比對；

若項目醫學關鍵詞信息與醫學文本關鍵詞相匹配，則生成二次校驗合格的提示信息；

否則，生成二次校驗不合格的提示信息。

8.一種基于大模型提升臨床試驗受試者匹配精度的系統，其特征在于，所述系統包括：

醫學文本獲取模塊，用于獲取醫學文本信息；

醫學模型構建模塊，用于構建醫學領域大語言模型；

專病數據獲取模塊，用于通過所述醫學領域大語言模型對醫學文本信息進行提取并獲取專病數據集；

專病納排匹配模塊，用于通過預設的項目納排標準對專病數據集匹配對應的臨床試驗項目，所述項目納排標準包括不同的臨床試驗項目以及對應的納排標準。

9.一種計算機設備，其特征在于，包括存儲器和處理器，所述存儲器上存儲有能夠被處理器加載并執行如權利要求1至7中任一種方法的計算機程序。

10.一種計算機可讀存儲介質，其特征在于，存儲有能夠被處理器加載并執行如權利要求1至7中任一種方法的計算機程序。