В работе предложены подходы к диагностике стадий заболевания по неструктурированным текстовым данным, представленные на примере мышечной дистрофии Дюшенна. Этапный подход включал извлечение ключевых признаков из первичных анонимизированных медицинских записей. Экспертные оценки значимости признаков (от 0 до 10) использовались для взвешенного голосования, определяющего стадию заболевания. При использовании больших языковых моделей (Large Language Model - LLM) качество ответов проверялось с использованием дополнительного модуля, контролирующего вывод модели. Структурированные в процессе работы LLM данные были использованы также для диагностики на основе метода рассуждения на прецедентах. Тестирование на реальных данных пациентов с болезнью Дюшенна показало точность системы 82,5%, в 7.5% случаев стадия определялась не более, чем на одну ниже действительной, и в 10% случаев не более, чем на одну выше действительной при использовании взвешенного голосования.
На сайте журнала: http://www.jitcs.ru/index.php?option=com_content&view=article&id=949
Math-Net.RU: https://www.mathnet.ru/rus/itvs954
Кобринский Б. А., Трунов Н. С. Применение больших языковых моделей для задачи медицинской диагностики // Информационные технологии и вычислительные системы, 2026, выпуск 2, с. 113–119.