Preprint JMIR: memória recursiva eleva o F1 de codificação clínica zero-shot de 0.318 para 0.605 após 20 iterações.
Este estudo metodológico avalia uma arquitetura de aprendizagem recursiva para codificação clínica automatizada sem exemplos específicos da tarefa. O resultado principal é um ganho progressivo de F1 0.318 no baseline para 0.527 com memória recursiva, chegando a 0.605 após 20 iterações.
O trabalho está atualmente como preprint em revisão por periódico, portanto o cartão o diferencia de publicações revisadas por pares e aponta para o manuscrito fonte.
Os números principais do artigo, em linguagem simples.
Como o modelo se saiu
Quanto maior, melhor
Dados: Antes 0.318 na linha de base, após 20 iterações — JMIR Preprints
Pontuações em escala de 0 a 1 (AUC, kappa) aparecem ×100.
| Métrica | Valor | O que significa |
|---|---|---|
| F1 · codificação clínica zero-shot | 0.605 | Antes 0.318 na linha de base, após 20 iterações |
| F1 com memória recursiva | 0.527 |
Natalia Castaño-Villegas, Raúl Escandón, Katherine Monsalve, Jose Zea, Laura Velásquez. A Recursive Learning Architecture for Zero-Shot Automated Clinical Coding, a methodological study. JMIR Preprints. 2026. https://preprints.jmir.org/preprint/98279
@article{castanovillegas2026recursive,
title = {{A Recursive Learning Architecture for Zero-Shot Automated Clinical Coding, a methodological study}},
author = {Natalia Castaño-Villegas and Raúl Escandón and Katherine Monsalve and Jose Zea and Laura Velásquez},
journal = {JMIR Preprints},
year = {2026},
url = {https://preprints.jmir.org/preprint/98279},
note = {Preprint}
}
1 min de leitura
1 min de leitura
1 min de leitura
Para hospitais e operadoras
Testamos o modelo com os seus próprios prontuários e a sua equipe, sob as suas regras de privacidade e governança.
Iniciar uma parceria