摘要
电子健康记录（EHR）虽然为医疗保健从业者带来了便利，但其复杂性和长度却在不断增加。浏览这些冗长的EHR不仅耗时费力，还成为医生与患者互动中的一个繁琐环节。为了缓解这一普遍问题，已提出多种方法，通过总结或分段来简化EHR，但过去真正有效的方案并不多。随着自动化方法的兴起，机器学习（ML）在识别EHR中相关部分的任务上展现出潜力。然而，大多数ML方法依赖于标注数据，而在医疗保健领域获取这类数据非常困难。相比之下，大型语言模型（LLMs）在自然语言处理（NLP）方面取得了令人印象深刻的成绩，且能够在零样本情况下运行，即无需任何标注数据。为此，我们提出使用LLMs来识别相关的节标题。研究发现，GPT-4在零样本和少样本设置下均能有效解决该任务，并且其分段效果显著优于现有最先进方法。此外，我们还对一个更具挑战性的实际数据集进行了标注，并发现GPT-4的表现不尽如人意，这表明需要进一步的研究和更严格的基准测试。