HARMON-E：構造化されたデータを抽出するためのマルチモーダル腫瘍学ノートの階層的エージェント推論

この論文では、構造化されていない臨床ノートから構造化された腫瘍学データを抽出するためにLLMを活用した新しいエージェントフレームワークであるHARMON-Eを紹介しています。このアプローチは、コンテキストに応じた検索と反復的な合成を使用して、変動性、専門用語、および一貫性のないドキュメント形式を処理することにより、既存の方法の制限に対処します。複雑な抽出タスクをモジュール式の適応可能なステップに分解するフレームワークの能力は、重要な強みです。大規模データセットでの0.93という優れたF1スコアは、腫瘍学データの抽出の効率と精度を大幅に向上させ、より良い治療の決定と研究を促進するHARMON-Eの可能性を示しています。複数のドキュメントにわたる患者レベルの合成に焦点を当てていることは特に価値があります。

• •HARMON-Eは、腫瘍学データの抽出にLLMを推論エージェントとして使用します。
• •このフレームワークは、大規模なデータセットで高い精度（F1スコア0.93）を達成しています。
• •このアプローチは、複数の臨床ドキュメントにわたる患者レベルの合成に焦点を当てています。