LLM-Match는 환자의 의료 기록과 임상 시험 자격 기준을 정확하게 일치시켜 환자를 적절한 임상 시험에 연결하는 환자 매칭을 위한 새로운 프레임워크입니다. LLM-Match는 전자 건강 기록(EHR)에서 관련 환자 맥락을 추출하는 검색 증강 생성(RAG) 모듈, 시험 자격 기준(포함 및 제외 기준 모두), 환자 맥락, 시스템 지침을 통합하여 입력 프롬프트를 구성하는 프롬프트 생성 모듈, 구조화된 프롬프트와 정답 레이블을 사용하여 모델 매개변수를 최적화하는 분류 헤드가 있는 미세 조정 모듈, 테스트 데이터 세트에서 미세 조정된 모델의 성능을 평가하는 평가 모듈의 네 가지 주요 구성 요소로 구성됩니다. n2c2, SIGIR, TREC 2021, TREC 2022의 네 가지 공개 데이터 세트에서 오픈소스 모델을 사용하여 LLM-Match를 평가하고 TrialGPT, Zero-Shot 및 GPT-4 기반 폐쇄 모델과 비교한 결과, LLM-Match가 모든 기준 모델보다 성능이 뛰어났습니다.
