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

Cet article propose un cadre léger pour la mise en correspondance évolutive patient-essai clinique, s'attaquant aux défis posés par les dossiers de santé électroniques longs et complexes. Il combine la génération augmentée par récupération (RAG) pour identifier les segments pertinents des DSE avec des grands modèles linguistiques (LLM) pour encoder ces segments en représentations informatives.