ChestPheNoT：支持本地部署与可审计的放射学报告表型提取小模型
从放射学报告中提取结构化表型对临床队列构建与审计至关重要，但数据隐私和证据缺失限制了云端大模型的应用。研究团队提出 CHESTPHENOT，这是一个参数量为 0.5B-3B 的轻量级语言模型，能够在医院本地环境中联合提取放射学发现标签、三分类状态（存在/不存在/不确定）以及对应的支持证据，兼顾了部署成本、隐私安全与临床可解释性。
推荐理由针对医疗文本隐私与可解释性痛点提出的轻量化专用模型，在临床结构化信息抽取上有一定实用价值。
原标题：ChestPheNoT: Deployable, Auditable Label-Status-Evidence Extraction from Radiology Reports
阅读 arXiv 自然语言处理 原文 ↗