本地大语言模型在德国医生信件中检测口服抗凝治疗的指南驱动转变
核心概要
该研究使用院内本地部署的微调 Llama-3.1-70b 药物信息抽取流程，对 2012 年 538 封无金标准标注的常规医生信件进行自动抽取，并与 2020/21 年 500 封 CARDIO:DE 信件（使用金标准标注）对比，发现直接口服抗凝药（DOAC）占比从 16.9% 升至 59.9%，维生素 K 拮抗剂（VKA）占比从 37.7% 降至 9.9%，DOAC 内主导活性成分由利伐沙班转为阿哌沙班，且人工复核显示残余错误主要与通用药物提及和缺失的药物-原因关系有关，而非抽取本身错误。
深度剖析
在严格数据保护与透明性约束下，本地部署的微调 Llama-3.1-70b 药物信息抽取流程可在无额外人工标注的情况下，泛化到未见过的更早期德国医生信件，并恢复预期的口服抗凝治疗转变。 此前药物信息抽取多依赖金标准标注或云端模型；该工作展示了院内本地大模型流程对无标注历史信件的跨时间泛化能力。 基于 2012 年 538 封常规信件与 2020/21 年 500 封 CARDIO:DE 信件的对比，并对 2012 年自动标注信件进行人工复核。
口服抗凝治疗呈现指南驱动的转变：DOAC 占比从 2012 年的 16.9% 上升至 2020/21 年的 59.9%，VKA 占比从 37.7% 下降至 9.9%。 以真实世界德国心脏病学医生信件为证据，量化了 VKA 向 DOAC 转变的幅度。 两个时间段的语料对比，抗凝药物通过抽取的药物提及与药物-原因关系识别，并用基于指南的词表分类。
DOAC 类别内部主导活性成分从 2012 年的利伐沙班转变为 2020/21 年的阿哌沙班。 在类别层面转变之外，进一步刻画了 DOAC 内部活性成分构成的时间变化。 对 DOAC 内活性成分构成的分析，基于抽取结果。
人工复核表明残余错误主要与通用药物提及和缺失的药物-原因关系有关，而非药物信息抽取本身错误。 将错误来源定位到词表匹配与关系缺失环节，而非抽取模型的核心识别能力。 对 2012 年自动标注信件的人工复核。
启示与展望
该工作面向在严格数据保护与透明性约束下、需完全在院内基础设施内处理德国临床常规信件的场景，适用于希望利用本地大模型进行药物信息抽取与用药趋势分析的临床研究团队；其结论针对德国心脏病学医生信件与口服抗凝药物类别。
2012 年语料无金标准标注，其抽取质量依赖人工复核的覆盖范围；残余错误与通用药物提及和缺失的药物-原因关系相关，这类问题在不同文档风格或科室中的表现仍需观察；该流程在其他机构、语种或药物类别上的泛化能力尚待进一步研究。