Self-Prompting Small Language Models for Privacy-Sensitive Clinical Information Extraction

Cette recherche présente un cadre déployable localement permettant aux petits modèles de langage d'extraire des entités cliniques sensibles à la confidentialité à partir de notes dentaires non structurées via des invites auto-générées et affinées. L'étude a évalué des modèles à poids ouverts, obtenant des scores F1 élevés avec Qwen2.5-14B-Instruct et Llama-3.1-8B-Instruct après un réglage fin supervisé et une optimisation directe des préférences.