大语言模型自动化分析死亡报告技术实现

最新推荐文章于 2025-12-19 16:37:37 发布

原创最新推荐文章于 2025-12-19 16:37:37 发布 · 283 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#语言模型 #自动化 #人工智能 #自然语言处理 #大语言模型 #自动化分析 #程序那些事

摘要

预防未来死亡（PFD）报告由英格兰和威尔士的验尸官发布，用于标记可能导致更多生命损失的系统性风险。传统上，这些报告的分析需要大量人工识别和编码工作。2025年，某机构发布了针对儿童自杀PFD报告的国家主题审查（年龄≤18岁），从2015年1月至2023年11月期间识别出37个案例——这一过程完全基于人工整理和编码。

方法

研究评估了全自动化、开源的"文本到表格"语言模型流程（PFD Toolkit）是否能够复现某机构对儿童自杀PFD报告的识别和主题分析，并评估了效率和可靠性的提升。处理了2013年7月至2023年11月期间发布的所有4,249份PFD报告。

技术实现

自动化筛查识别了验尸官将死亡归因于自杀且年龄在18岁或以下的案例，符合条件报告按照接收者类别和23个关注子主题进行编码，复现了某机构的编码框架。

结果

PFD Toolkit识别出72份儿童自杀PFD报告——几乎是某机构数量的两倍。三位盲审临床医生对144份报告的分层样本进行裁定，以验证儿童自杀筛查。基于共识后的临床标注，LLM工作流程显示出基本到几乎完美的一致性（Cohen’s κ = 0.82，95% CI：0.66-0.98，原始一致性=91%）。