في عالم الطب الحديث، يعد الترميز الطبي التلقائي (AMC) أحد العناصر المحورية في إعادةimbursements الطبية، والتقارير الجيدة، والبحوث السريرية. لكن، كيف يمكن حل التحديات الكبيرة التي تواجه هذا المجال؟

أعلن الباحثون عن تطوير KREL - نظام ثوري جديد يعتمد على نماذج اللغة الكبيرة (LLMs) لفهم النصوص السريرية وإجراء عمليات استدلال دقيقة. يتفوق KREL على الطرق التقليدية التي تستخدم نماذج اللغة المدربة مسبقًا (PLMs)، حيث يتناول المشكلة كعملية توليد ديناميكية بدلاً من مجرد تصنيف متعدد التسميات.

ولا تزال هناك تحديات واضحة تتمثل في طول الملاحظات السريرية وتعقيد القواعد، مما قد يؤدي إلى أخطاء في الترميز. ومع ذلك، يتمكن KREL من تحقيق ذلك بفضل هيكله الذي يجمع المعرفة الخارجية حول دليل الترميز ICD، مما يقلل من الأخطاء ويزيد من الامتثال لمعايير الترميز.

عززت التجارب التي أجريت على مجموعات بيانات مرجعية فعالية KREL، حيث أظهرت النتائج تفوقه على الطرق التقليدية والدولة الرائدة في مجال نماذج اللغة. يبدو أن KREL هو خطوة جديدة نحو تحقيق دقة متناهية في عالم الترميز الطبي، مما يتيح للأطباء والباحثين العمل بكفاءة أكبر.