摘要

医学报告包含丰富的临床信息，但通常是非结构化的且使用特定领域语言编写，这给信息抽取带来了挑战。虽然专有大语言模型在临床自然语言处理中显示出潜力，但其缺乏透明度及数据隐私问题限制了在医疗领域的应用。本研究因此在DRAGON基准上评估了九种开源生成式大语言模型，该基准包含28项荷兰语临床信息抽取任务。开发了公开可用的\texttt{llm_extractinator}框架用于开源生成式大语言模型的信息抽取，并以此评估零样本设置下的模型性能。

主要发现

• 模型性能对比：多个140亿参数模型（Phi-4-14B、Qwen-2.5-14B和DeepSeek-R1-14B）取得了具有竞争力的结果，而更大的Llama-3.3-70B模型以更高计算成本实现了略优性能
• 语言处理关键发现：推理前翻译为英语会持续降低性能，凸显了原生语言处理的必要性
• 框架价值：研究证明开源大语言模型结合本框架可为低资源环境提供有效、可扩展且注重隐私的临床信息抽取解决方案

方法架构

研究采用零样本评估设置，使用自主研发的\texttt{llm_extractinator}框架进行系统测试。该框架专门针对开源生成式大语言模型设计，支持多模型性能对比分析。基准测试包含28项临床信息抽取任务，全部使用荷兰语原始文本进行评估。

技术意义

本研究提供了开源替代方案解决医疗领域的数据隐私和透明度问题。通过原生语言处理优化和计算效率权衡分析，为资源受限环境提供了实用的技术选择方案。开发的开源框架可直接应用于临床自然语言处理场景。