SCEPTER: Framework di IA per Raccomandazioni Cliniche Basate sull'Evidenza
I ricercatori propongono SCEPTER (Single-Case Evidence-driven PubMed-To-rEcommendation Reasoner), un framework che trasforma descrizioni di casi clinici in raccomandazioni basate sull'evidenza combinando recupero da PubMed, ranking semantico con PubMedBERT, estrazione di affermazioni basata su LLM, ponderazione del livello di evidenza, rilevamento di contraddizioni, analisi del consenso e selezione multi-obiettivo di affermazioni tramite Pareto. SCEPTER genera sintesi strutturate dell'evidenza e raccomandazioni attuabili, con un modulo di Q&A sugli articoli per l'esplorazione interattiva. Il framework affronta la sfida di esaminare centinaia di pubblicazioni dai risultati di ricerca di PubMed sotto vincoli di tempo, introducendo un modello di ragionamento multi-obiettivo.
Fatti principali
- SCEPTER sta per Single-Case Evidence-driven PubMed-To-rEcommendation Reasoner
- Il framework combina recupero da PubMed, PubMedBERT, estrazione di affermazioni basata su LLM, ponderazione dell'evidenza, rilevamento di contraddizioni, analisi del consenso e selezione di affermazioni tramite Pareto
- Genera sintesi strutturate dell'evidenza e raccomandazioni attuabili
- Include un modulo di Q&A sugli articoli per l'esplorazione interattiva delle pubblicazioni selezionate
- Affronta i vincoli di tempo nella revisione dei risultati di ricerca di PubMed per casi clinici complessi
- Introduce un modello di ragionamento multi-obiettivo
- Pubblicato su arXiv con ID 2607.22574
- Lo studio propone un framework per trasformare descrizioni di casi clinici in raccomandazioni basate sull'evidenza
Entità
Istituzioni
- arXiv
- PubMed
- PubMedBERT