arXiv cs.CY· Jordan L. Cahoon, Chloe Stanwyck, Asad Aali, Rachel Madding, Sulaiman S. Somani, Emma Sun, Yixing Jiang, Renumathy Dhanasekaran, Emily Alsentzer·· 11 小时前AI 评分38
TRACE 方法如何减少临床笔记冗余以降低 LLM 使用成本
Clinical Note Bloat Reduction for Efficient LLM Use
AI 导读
TRACE 利用 EHR 元数据识别模板化与复制内容，在 5.3M 份笔记上捕获了 86% 的标注模板字符，被删除文本中仅 0.3-6.6% 为作者原创。在 1000 名 Stanford Health Care 患者中，TRACE 将病历文本减少 47.3%（742.7M 字符），平均每位患者少 220,167 个 token。
正文 · AI 翻译
摘要：背景：临床笔记包含大量来自模板、复制粘贴和自动填充字段的重复文本（“笔记膨胀”），稀释了临床信号，限制了纵向上下文，并增加了大语言模型（LLM）的成本。
方法：TRACE 使用笔记级 EHR 元数据识别模板化和复制的内容，以去除笔记膨胀；当元数据不可用时，采用基于频率的去重。我们使用盲法医师片段审查和黄金标准模板文本注释，在涵盖肝移植、产科和住院人群的四个队列（跨多个医疗系统，共 530 万份笔记）中评估了 TRACE。我们比较了零样本 LLM 和基于嵌入的分类器，使用原始笔记和经 TRACE 处理的笔记，完成 20 项信息抽取任务以及 5 年生存、产后出血和 30 天再入院的预测。
结果：被移除文本中仅 0.3-6.6% 被标记为作者生成；TRACE 捕获了 86% 的已注释模板字符。按队列平均的信息抽取 F1 差异范围为 -0.009 至 +0.004；任务特定预测 F1 差异范围为 -0.011 至 +0.018。在 1,000 名随机抽样的 Stanford Health Care 患者中，TRACE 将病历文本减少了 47.3%（7.427 亿字符），平均每位患者减少 220,167 个 token。使用一家大型三级学术医疗中心 2024 年的就诊量，并按每次就诊一次查询计算，在评估的模型定价方案下，预计三年净节省范围为 100 万至 1,358 万美元，其中包含初始和年度 TRACE 处理成本。
结论：TRACE 大幅减少了临床笔记冗余，同时保持了信息抽取和预测性能。未被充分利用的 EHR 元数据可以降低 LLM 推理成本、扩展可用的纵向上下文，并支持可扩展的临床 AI。
| 主题： | 计算机与社会（cs.CY）；人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2604.16364 [cs.CY] |
| （或 arXiv:2604.16364v3 [cs.CY] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2604.16364 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jordan Cahoon [查看电子邮件]
[v1]
2026 年 3 月 21 日星期六 20:56:25 UTC（1,794 KB）
[v2]
2026 年 10 月 1 日星期四 15:41:31 UTC（2,395 KB）
[v3]
2026 年 10 月 26 日星期一 23:57:09 UTC（2,395 KB）
来源：arXiv cs.CY · arxiv.org