Using Large Language Models to Generate Clinical Trial Tables and Figures

要約

表、図、およびリスト (TFL) は、臨床試験データを要約するために不可欠なツールです。
報告活動のための TFL の作成は、臨床試験の実施中に日常的に発生する時間のかかる作業です。
この研究では、大規模言語モデル (LLM) を使用して、プロンプト エンジニアリングと少数ショット転移学習を通じて TFL の生成を自動化する方法を検討しました。
ADaM 形式の公開臨床試験データを使用した私たちの結果は、LLM が迅速な指示で TFL を効率的に生成できることを実証し、この分野での可能性を示しました。
さらに、Clinical Trial TFL Generation Agent という名前の保存エージェントを開発しました。これは、ユーザーのクエリと事前定義されたプロンプトを照合して、特定の事前定義された TFL を生成するカスタマイズされたプログラムを生成するアプリです。

要約(オリジナル)

Tables, figures, and listings (TFLs) are essential tools for summarizing clinical trial data. Creation of TFLs for reporting activities is often a time-consuming task encountered routinely during the execution of clinical trials. This study explored the use of large language models (LLMs) to automate the generation of TFLs through prompt engineering and few-shot transfer learning. Using public clinical trial data in ADaM format, our results demonstrated that LLMs can efficiently generate TFLs with prompt instructions, showcasing their potential in this domain. Furthermore, we developed a conservational agent named Clinical Trial TFL Generation Agent: An app that matches user queries to predefined prompts that produce customized programs to generate specific predefined TFLs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google