Lightweight Retrieval-Augmented Generation and Large Language Model-Based Modeling for Scalable Patient-Trial Matching

Diese Arbeit stellt ein leichtgewichtiges Framework für die skalierbare Patienten-Studien-Zuordnung vor, das Herausforderungen durch lange, komplexe elektronische Gesundheitsakten bewältigt. Es kombiniert Retrieval-Augmented Generation (RAG) zur Identifizierung relevanter EHR-Segmente mit großen Sprachmodellen (LLMs) zur Codierung dieser Segmente in informative Darstellungen.