Utilizing Large Language Models for Zero-Shot Medical Ontology Extension from Clinical Notes

文章总结与翻译

一、主要内容

本文针对现有医学本体难以及时整合临床笔记中新型医疗概念的问题，提出了名为CLOZE（CLinical Notes Ontology Zero-shot Extension）的零样本层级本体扩展框架。该框架以临床笔记为数据源，借助大型语言模型（LLMs）和预训练生物医学语言模型（SapBERT），实现医疗实体提取与本体整合的全流程自动化，同时保障患者隐私。

核心流程分为两步：

1. 医疗实体提取：首先通过去标识化代理（De-identification Agent）移除临床笔记中的受保护健康信息（PHI），符合HIPAA等隐私法规；再由实体提取代理（Entity-extraction Agent）从去标识化文本中识别疾病相关医疗实体。
2. 层级本体扩展：利用SapBERT计算新实体与现有本体节点的语义嵌入，找到最相似的锚点节点；通过关系判定代理（Relation-determination Agent）推断新实体与锚点节点的关系（等价、子集、无关联）；采用递归层级扩展策略，将新实体插入本体的合适层级，维持结构连贯性与语义准确性。

实验基于美国某大型医院的100份临床笔记和疾病本体（DO）展开，结果显示CLOZE在实体提取、本体扩展准确性上均优于现有规则基、统计基和学习基方法，且无需标注数据，具备零样本、可扩展、隐私保护的特性。

二、创新点

1. 首个面向临床笔记的零样本层级本体扩展框架