Large Language Models for Automating Clinical Data Standardization: HL7 FHIR Use Case

📄 arXiv: 2507.03067v1 📥 PDF

作者: Alvaro Riquelme, Pedro Costa, Catalina Martinez

分类: cs.CL, cs.AI, cs.LG

发布日期: 2025-07-03

备注: 10 pages, 2 figures

💡 一句话要点

利用大型语言模型GPT-4o和Llama 3.2实现临床数据向HL7 FHIR格式的半自动化转换。

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 大型语言模型 HL7 FHIR 临床数据标准化 互操作性 GPT-4o Llama 3.2 提示工程 医疗信息学

📋 核心要点

  1. 临床数据交换标准部署耗时费力且技术挑战大，阻碍了语义互操作性的实现。
  2. 利用GPT-4o和Llama 3.2等大型语言模型，结合嵌入、聚类和语义检索技术，实现临床数据到HL7 FHIR格式的半自动化转换。
  3. 实验表明，该方法在资源识别上取得了优秀的F1分数，并通过改进提示策略提升了真实场景下的准确率。

📝 摘要（中文）

本文提出了一种半自动化方法，利用大型语言模型GPT-4o和Llama 3.2将结构化临床数据集转换为HL7 FHIR格式，并评估其准确性、可靠性和安全性。该方法结合了嵌入技术、聚类算法和语义检索，用于构建提示，指导模型将每个表格字段映射到相应的FHIR资源。在MIMIC-IV数据库上的初步基准测试中，资源识别达到了完美的F1分数，GPT-4o由于在提示中包含了FHIR资源模式，性能优于Llama 3.2。在真实条件下，准确率略微下降至94%，但通过改进提示策略恢复了稳健的映射。错误分析揭示了偶尔出现的非现有属性幻觉和粒度不匹配，这些问题可以通过更详细的提示来缓解。总体而言，该研究证明了基于上下文感知的、LLM驱动的临床数据到HL7 FHIR转换的可行性，为半自动互操作性工作流程奠定了基础。未来的工作将侧重于使用专门的医学语料库对模型进行微调，扩展对其他标准（如HL7 CDA和OMOP）的支持，并开发一个交互式界面，以实现专家验证和迭代改进。

🔬 方法详解

问题定义：论文旨在解决临床数据标准化过程中，将结构化数据转换为HL7 FHIR格式时，传统方法耗时、费力且需要专业技术人员的问题。现有方法难以自动化处理复杂的映射关系，导致互操作性部署缓慢。

核心思路：论文的核心思路是利用大型语言模型的语义理解和生成能力，通过构建合适的提示（Prompt），引导LLM学习并执行从临床数据字段到FHIR资源的映射。这种方法旨在减少人工干预，提高转换效率和准确性。

技术框架：整体框架包括以下几个主要阶段：1) 数据准备：从MIMIC-IV数据库提取结构化临床数据。2) 特征嵌入：使用嵌入技术将临床数据字段进行向量化表示。3) 提示构建：结合聚类算法和语义检索，为每个字段构建包含上下文信息的提示。4) 模型推理：将提示输入GPT-4o或Llama 3.2，生成对应的FHIR资源映射。5) 结果评估：评估映射的准确性，并进行错误分析。

关键创新：最重要的技术创新在于利用LLM的上下文学习能力，通过提示工程实现临床数据到FHIR资源的映射。与传统方法相比，该方法无需手动编写大量的映射规则，而是通过LLM自动学习数据之间的关系。此外，将FHIR资源模式包含在提示中，显著提升了GPT-4o的性能。

关键设计：提示的设计是关键。论文结合了嵌入、聚类和语义检索技术来构建提示，力求包含足够的上下文信息，以指导LLM进行准确的映射。此外，论文还尝试了不同的提示策略，例如包含FHIR资源模式，以提高模型的性能。具体的参数设置和损失函数未知。

📊 实验亮点

在MIMIC-IV数据库上的实验表明，该方法在资源识别上达到了完美的F1分数。GPT-4o在提示中包含FHIR资源模式的情况下，性能优于Llama 3.2。在真实条件下，准确率达到94%，并通过改进提示策略恢复了稳健的映射。这些结果表明，LLM在临床数据标准化方面具有巨大的潜力。

🎯 应用场景

该研究成果可应用于医疗数据集成、互操作性平台构建、临床研究数据标准化等领域。通过降低数据转换的技术门槛和时间成本，加速医疗信息的共享和利用，促进临床决策支持和医学研究的进展。未来，该技术有望扩展到其他医疗数据标准，实现更广泛的互操作性。

📄 摘要（原文）

For years, semantic interoperability standards have sought to streamline the exchange of clinical data, yet their deployment remains time-consuming, resource-intensive, and technically challenging. To address this, we introduce a semi-automated approach that leverages large language models specifically GPT-4o and Llama 3.2 405b to convert structured clinical datasets into HL7 FHIR format while assessing accuracy, reliability, and security. Applying our method to the MIMIC-IV database, we combined embedding techniques, clustering algorithms, and semantic retrieval to craft prompts that guide the models in mapping each tabular field to its corresponding FHIR resource. In an initial benchmark, resource identification achieved a perfect F1-score, with GPT-4o outperforming Llama 3.2 thanks to the inclusion of FHIR resource schemas within the prompt. Under real-world conditions, accuracy dipped slightly to 94 %, but refinements to the prompting strategy restored robust mappings. Error analysis revealed occasional hallucinations of non-existent attributes and mismatches in granularity, which more detailed prompts can mitigate. Overall, our study demonstrates the feasibility of context-aware, LLM-driven transformation of clinical data into HL7 FHIR, laying the groundwork for semi-automated interoperability workflows. Future work will focus on fine-tuning models with specialized medical corpora, extending support to additional standards such as HL7 CDA and OMOP, and developing an interactive interface to enable expert validation and iterative refinement.