将跨语言临床标注投影作为受约束的文本生成：一项六语言研究

背景：旨在确定跨语言临床标注投影能否被表述为一种保留文本、面向文档级别的生成任务，以生成可验证的字符级标注，用于构建多语言临床语料库，并刻画其相较于基于候选项的投影流程的稳健性与计算权衡。方法：我们开发了一套受约束的 LLM 投影工作流，将实体标签直接插入不可变的目标语言文本中，随后进行确定性验证和字符偏移重建。我们同时评估了监督式候选跨度投影方法，以及用于将西班牙语 Disease、Symptom 和 Procedure 标注转移到六种语言的混合式 ML-LLM 优化方法。评估采用 MultiClinAI 金标准，并使用严格跨度匹配和字符重叠 F1。结果：直接 LLM 投影取得了最强且最稳定的性能。GLM 5.2 在 18 个语言-实体组合上的平均 Strict F1 达到 0.9201，而可在本地部署的 Gemma4:31B 达到 0.9133。在全部 18 种设置中，最佳 LLM 配置的 Strict F1 均超过此前的最新水平，提升幅度为 0.0564–0.1512，并生成了 55,416 条完成偏移重建且具有依据的提及。结论：基于直接 LLM 的投影能够实现高质量的多语言临床标注转移，并为将临床 NLP 资源扩展到标注数据集和语言专用工具较少的语言提供了一种实用方法。结合本地推理和确定性验证，该方法可以显著减少构建多语言临床语料库所需的专家时间和成本。