यह पृष्ठ तुर्की से स्वचालित रूप से अनुवादित किया गया है। मूल पढ़ें

यह पृष्ठ 26वीं विश्व मनोरोग कांग्रेस में प्रस्तुत अध्ययन का कृत्रिम बुद्धिमत्ता की सहायता से तैयार किया गया तुर्की सारांश है। अध्ययन का स्वामित्व इसे प्रस्तुत करने वाले लेखकों के पास है; उद्धरण के लिए मूल स्रोत देखें।

EV0445

जापानी मनोरोग अभिलेखों को बड़े भाषा मॉडल की सहायता से संरचित करने के लिए बहुस्तरीय संदर्भगत टैगिंग ढाँचा

A MULTIGRANULAR CONTEXTUAL ANNOTATION FRAMEWORK FOR LLM-ASSISTED STRUCTURING OF JAPANESE PSYCHIATRIC RECORDS

सूचना के स्रोत, वह किससे संबंधित है, नोट में उसकी भूमिका, उसकी निश्चितता की स्थिति और आकलन तथा उसके आधारभूत कथनों के बीच संबंध को स्पष्ट रूप से टैग करने वाला TEI/XML ढाँचा बड़े भाषा मॉडल के आउटपुट की मानव समीक्षा संभव बनाता है।

इस अध्ययन का उद्देश्य एक ऐसा TEI/XML ढाँचा विकसित करना है जो मूल पाठ को सुरक्षित रखे और बड़े भाषा मॉडल (large language model, LLM) द्वारा तैयार की गई टैगिंग की मानव समीक्षा संभव बनाए। इसका औचित्य यह है कि मनोरोग संबंधी प्रारंभिक साक्षात्कार के नोट्स में रोगी के कथन, परिवार द्वारा दी गई जानकारी, रेफरल पत्र तथा चिकित्सक के अवलोकन और निष्कर्ष एक साथ शामिल होते हैं; जब इन नोट्स का शोध के लिए पुनः उपयोग किया जाता है या LLM द्वारा निकाली गई जानकारी की मूल पाठ से तुलना की जाती है, तब इन भेदों का महत्त्व बढ़ जाता है। मौजूदा दृष्टिकोण किसी निष्कर्ष के उपस्थित, अनुपस्थित या अनिश्चित होने और कभी-कभी उसके रोगी के अलावा किसी अन्य व्यक्ति से संबंधित होने को कूटबद्ध करते हैं (Real-MedNLP v8; 2010 i2b2/VA स्कीमा; ConText), जबकि प्रस्तावित ढाँचा स्रोत (source), जानकारी किससे संबंधित है (about), नोट में उसकी भूमिका (function), निश्चितता की स्थिति (stance) तथा आकलन और उसके आधारभूत कथनों के बीच साक्ष्य-संबंधों (evidence) को एक साथ समाहित करता है। पोस्टर में एक अनुकरणात्मक प्रारंभिक साक्षात्कार नोट में रोगी के कथन, परिवार द्वारा दी गई जानकारी, चिकित्सक के अवलोकन और चिकित्सक के आकलन को अलग-अलग टैग किया गया; अनिश्चित के रूप में चिह्नित निदान-संबंधी आकलन को उसका समर्थन करने वाले दो कथनों से साक्ष्य-संबंध के माध्यम से जोड़ा गया। ढाँचे के विनिर्देश तथा सत्यापन, निष्कर्षण और संपादन के लिए Python/TypeScript संदर्भ उपकरणों को कार्यान्वित किया गया है। जारी पायलट अध्ययन में तीन अनुकरणात्मक प्रारंभिक साक्षात्कारों (प्रतिलेखों और नमूना अभिलेखों) को दो टैगकर्ता स्वतंत्र रूप से टैग कर रहे हैं; उन्हीं पाठों को स्थानीय और व्यावसायिक LLM द्वारा भी टैग किया जा रहा है। परिणाम मापदंडों में प्रत्येक आयाम के लिए टैगकर्ताओं के बीच तथा मानव और LLM के बीच सहमति (F-score, κ), और त्रुटि विश्लेषण शामिल हैं। लेखकों का कहना है कि यह ढाँचा LLM-सहायित संरचनाकरण के लिए समीक्षा-योग्य आधार प्रदान करता है, जबकि विभिन्न भाषाओं में इसकी प्रयोज्यता का परीक्षण अभी नहीं किया गया है।

WCP 2026 के सभी सारांश