arXiv cs.CL· Manjushree B. Aithal, Ph. D., Alexander Kotz, James Mitchell, Ph. D·· 3 天前AI 评分24
PLACID：面向临床缩略语推理与消歧的隐私保护大语言模型
PLACID: Privacy-preserving Large language models for Acronym Clinical Inference and Disambiguation
AI 导读
研究提出 PLACID 级联流水线，用完全本地部署的 2B-10B 小参数模型实现临床缩略语消歧，避免将受保护健康信息传至外部服务器。通用指令模型检测缩略语准确率约 0.988，但扩展能力仅约 0.655；接入领域医学生物模型后扩展准确率提升至约 0.81。
正文 · AI 翻译
摘要：大型语言模型（LLM）在许多领域提供了变革性的解决方案，但医疗保健领域的整合因严格的数据隐私限制而受阻。临床叙述中充斥着含义模糊的缩写，对这些缩写的误解可能引发严重后果，如危及生命的用药错误。虽然依赖云端的 LLM 在缩写消歧方面表现出色，但将受保护健康信息传输至外部服务器违反了隐私框架。为弥合这一差距，本研究率先评估了完全在设备端部署以确保隐私保护的小参数模型。我们提出了一种隐私保护级联流水线，利用通用本地模型检测临床缩写，并将其路由至领域特定的生物医学模型以进行上下文相关的扩展。结果显示，虽然通用指令遵循模型实现了较高的检测准确率（约 0.988），但其扩展能力骤降（约 0.655）。我们的级联方法利用领域特定的医学模型将扩展准确率提升至（约 0.81）。这项新颖的工作表明，隐私保护、设备端（2B-10B）模型能够提供高保真的临床缩写消歧支持。
| 评论： | 10 页，2 幅图，正在 AMIA Symposium 审稿中 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2603.23678 [cs.CL] |
| （或 arXiv:2603.23678v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2603.23678 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Manjushree Aithal [查看电子邮件]
[v1]
2026 年 3 月 24 日星期二 19:33:44 UTC（687 KB）
[v2]
2026 年 10 月 13 日星期二 21:12:12 UTC（687 KB）
来源：arXiv cs.CL · arxiv.org