大模型翻译表型文档：图表仍是瓶颈

电子健康记录（EHR）表型算法的开发通常需要将临床定义转化为可执行的数据库查询，这一过程耗时费力。近日，一项发表于medRxiv的预印本研究评估了两种前沿大型语言模型（如GPT-4）在五种表型与三种文档模态下的翻译能力。结果发现，模型能从结构化文本中准确捕捉高级逻辑，但在面对仅含图表的输入时，性能显著下降。错误分析揭示了七类典型失败原因，包括符号误解、缺失上下文等。研究者指出，文档质量而非模型能力是主要瓶颈，强调标准化文档编制与专家监督的重要性。该研究为AI辅助EHR算法开发提供了实用指导，但尚未经过同行评审。