Kontextovo závislé FHIR serializačné stratégie pre nasadenie klinických LLM: Viacvrstvový benchmark na UK Core údajoch

Štúdia skúmala vplyv rôznych formátov konverzie FHIR údajov na text pri používaní veľkých jazykových modelov v klinickej praxi. Výskum zahŕňal päť modelov, šesť serializačných formátov a tri klinické úlohy testované na 100 pacientskych záznamoch z UK Core (celkovo 18 000 vyhodnotených výziev). Výsledky ukázali, že optimálny formát závisí od konkrétnej úlohy: rawjson je najlepší pre klinické otázky, hybridadaptive pre klinické uvažovanie a structuredmarkdown pre zhrnutia. V 58 percentách scenárov bol rawjson suboptimálny. Citlivosť na formát sa líšila medzi modelmi – Claude Sonnet 4.5 vykazoval nižšiu citlivosť (0,10 bodu) v porovnaní s Llama 3.3 (0,39 bodu). Štúdia odporúča používať úlohu-špecifické smerovanie serializácie ako bezplatný spôsob zlepšenia kvality nasadení LLM v NHS.