[论文解读] From RAGs to riches: Utilizing large language models to write documents for clinical trials

Nigel Markey, Ilyass El-Mansouri+3 more|arXiv (Cornell University)|Feb 26, 2024

Biomedical Text Mining and Ontologies被引用 6

一句话总结

论文研究使用检索增强生成（retrieval-augmented generation）和大型语言模型来撰写临床试验文档。

ABSTRACT

This manuscript has now been published: - Link to article on journal website: https://journals.sagepub.com/doi/10.1177/17407745251320806 - Pubmed link: https://pubmed.ncbi.nlm.nih.gov/40013826/

研究动机与目标

• 推动使用 LLMs 和 RAGs 自动化临床试验文档撰写。
• 评估 RAGs 如何支持起草和编辑与试验相关的文本。
• 突出基于 LLM 的临床试验文档生成的潜在收益与局限性。

提出的方法

• 提出一种使用检索增强生成（retrieval-augmented generation）与大型语言模型来起草临床试验文档的方法。
• 讨论将检索机制与 LLMs 集成以生成结构化的试验文档。
• 说明在临床试验撰写中应用 LLM 的工作流与注意事项。

实验结果

研究问题

• RQ1 具备 RAG 功能的 LLMs 能否有效起草临床试验文档？
• RQ2 在试验撰写中使用 LLM 的实际注意事项与局限性是什么？
• RQ3 在部署 LLM 进行临床文档编写时需要哪些工作流程与质量控制？

主要发现

• 该手稿提出了一种将 RAG 与 LLM 相结合来撰写临床试验文档的方法。
• 本文为六页，包含两幅图。
• 该工作已发表于 Clinical Trials: Journal of the Society for Clinical Trials (2025)。