热点事件持续更新
研究评估22个开源大模型在卒中病历变量提取表现
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月，一项发布于arXiv的研究针对2,416份急性卒中介入报告，评估了22个开源大语言模型（LLM）提取8个临床变量的表现。评估结果显示，LLaMA3.3-70B以94.8%的总体准确率表现最佳。在提取策略方面，思维链（CoT）提升了闭塞部位等推理型变量的抽取效果，而Quick Response更适合提取直接陈述字段。此外，专家评审显示，多数变量的AI预测结果比非专家标注更贴合专家解读。
AI 根据报道生成 · 2 小时前更新
最新进展10月30日 12:00
研究评估22个开源大模型提取卒中报告表现，LLaMA3.3-70B以94.8%准确率居首。报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv 自然语言处理大语言模型用于精准病历提取：在卒中领域实现可扩展与安全的 AI 部署
一项针对 2,416 份急性卒中介入报告的研究评估了 22 个开源大语言模型（LLM）提取 8 个临床变量的表现，LLaMA3.3-70B 以 94.8% 的总体准确率表现最佳。CoT 提升了闭塞部位等推理型变量的效果，Quick Response 则更适合直接陈述字段。专家评审显示多数变量的 AI 预测比非专家标注更贴合专家解读。
本事件热度走势
当前热度 9·可比范围峰值 9（10月30日 15:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。