OEMA는 전자 건강 기록(EHR)에서 정보를 추출하는 데 중요한 임상 개체명 인식(NER)을 위한 제로샷 프레임워크입니다. 고비용의 주석 처리된 데이터가 필요한 CRF 및 BioClinicalBERT와 같은 지도 학습 모델의 단점을 극복하기 위해, OEMA는 대규모 언어 모델(LLM)을 활용하여 예시 선택 세분성과 자체 개선을 위한 프롬프트 통합 문제를 해결합니다. OEMA는 자기 주석기, SNOMED CT를 통해 필터링하는 판별자, 정확한 추론을 위해 개체 설명을 사용하는 예측기로 구성된 다중 에이전트 협업을 사용합니다. MTSamples 및 VAERS 데이터 세트에서 OEMA는 최첨단 정확도 일치 성능을 달성했으며, 관련 일치 성능은 지도 학습 BioClinicalBERT에 필적하고 CRF를 능가합니다. OEMA는 온톨로지 기반 추론과 다중 에이전트 협업을 통해 제로샷 NER의 주요 과제를 해결하며, 거의 지도 학습 수준의 성능을 달성하여 임상 NLP 응용 분야에서 가능성을 보여줍니다.
