A Pipeline for Generating Longitudinal Synthetic Clinical Notes Using Large Language Models
本文介绍了一种模块化流水线以及一个包含 70 份合成纵向患者记录（每份记录包含 20–50 篇临床笔记）的相应数据集，这些记录是利用大语言模型生成的，旨在支持开发和评估保护隐私的临床人工智能工具，同时确保内部一致性和现实的变异性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图教一个机器人如何成为一名医生。为此，你需要向它展示成千上万个真实的患者故事。但问题在于，真实的患者故事就像是“顶级机密日记”。它们充满了私人信息，法律规定你不能就这样把它们交给机器人去研究。
这篇论文提出了一个解决方案：建立一个制造虚假患者故事的工厂。这些故事看起来、感觉起来都与真实的完全一致，但其中并不包含任何真实的人。
以下是他们如何建造这个工厂的，用简单的语言解释如下：
1. 蓝图：构建患者
首先，团队需要为他们的故事创建“角色”。他们并没有随机编造，而是使用了一个叫做 Synthea 的工具（可以把它想象成一个数字人口模拟器）来创建 70 名虚假患者。
- 转折点： 由于原始工具是美国的，他们对其进行了调整以适应英国，确保这些虚假患者拥有英国的名字、地址和人口统计特征。
- 细节处理： 随后，他们要求一个超级聪明的 AI（GPT-4o）来填补空白，比如患者的下一顺位亲属是谁，或者他们有哪些过敏史。他们甚至确保 AI 不会给每个人都分配青霉素过敏（这是一个常见的 AI 错误），而是通过手动输入真实的现实世界过敏统计数据来确保准确性。
2. 情节：医院之旅
一旦患者存在了，工厂就会模拟他们在医院的整个停留过程。
- 设定： 患者入院（无论是计划内的还是急诊）。
- 故事弧线： AI 会写出一个旅程的“骨架”：患者到达 -> 医生检查 -> 手术进行 -> 患者好转 -> 患者回家。
- 检查机制： 如果 AI 写到一半累了并停止了写作，系统的另一部分会注意到并说：“嘿，把故事写完！”它还会检查故事是否合乎逻辑（例如，你不能在到达之前进行手术）。
3. 剧本：撰写病历记录
这是最复杂的部分。在真实的医院里，不同的医生有不同的书写风格。有些人写得简短且潦草；有些人则写得冗长且详细。
- 演员： 工厂为每一位工作人员分配了一个“人格”。一位医生可能是要点型书写者（快速、高效）；而另一位则是故事讲述者（辞藻华丽、详细）。还有一位可能是速记专家，会使用大量的医学缩写。
- 表演： AI 会为旅程中的每一个事件撰写一份特定的临床记录，并采用那位“书写”医生的特定风格。
- 真实感润色： 为了让它感觉更真实，工厂加入了拼写错误（比如按错了键）和缩写（比如用“SOB”代表呼吸短促）。他们甚至确保有些医生比其他人表现得更凌乱，就像现实生活中一样。
4. 编辑：质量控制
在记录发布之前，它们要经过严格的编辑流程。
- 事实核查员： 另一个 AI 充当编辑。它阅读记录并将其与“骨架”故事进行对比。它会问：“这位医生提到手术了吗？他提到过过敏吗？他是不是凭空捏造了一个症状？”
- 循环机制： 如果记录缺失了某些内容或出现了“幻觉”（编造了事实），编辑会将它发回给作者进行修改。这个过程会不断循环，直到记录完美为止。
最终产品
其结果是一套包含 70 名虚假患者 的数据集，每位患者都有 20 到 50 份虚假的医疗记录，涵盖了他们在医院的整个停留过程。
- “白银级（Silver）”版本： 这是他们发布的版本。它质量很高，由 AI 生成并由 AI 检查，但尚未经过人类医生的阅读。
- “黄金级（Gold）”版本（未来计划）： 他们计划稍后发布一个经过真实人类医生双重检查的版本。
为什么要这样做？
论文解释说，这些虚假数据是一个安全的游乐场。开发者可以使用它来构建和测试 AI 工具——例如用于总结患者记录的工具、用于进行医疗编码的工具，或者用于预测患者住院时长的工具——而无需承担任何泄露真实患者隐私的风险。
该论文并未声称：
- 它并不认为这些虚假记录在所有情况下都能完美替代真实数据。
- 它承认真实的医院生活是混乱且复杂的，虽然他们的工厂做得很好，但可能会错过一些“边缘案例”（即现实生活中发生的那些奇怪、罕见或混乱的情况）。
- 它警告说，AI 偶尔仍可能出现“幻觉”（编造事实），这也是为什么他们设有如此严格的编辑循环。
简而言之，他们构建了一个医疗文书模拟器。它不是真实的东西，但它是安全的、可扩展的，并且足够详细，足以训练下一代医疗 AI 工具。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。