JMIR AI摘要研究：GPT-4o辅助数据协调，加入人工复核后语义映射准确率提高
一项发表于JMIR AI的摘要级研究，在8个慢性病差异研究项目中测试大语言模型（LLM）辅助的数据协调（DH）流程：用GPT-4o把调查条目映射到联盟共同数据元素（CDE）语义组。
条目对层面平均准确率在含人类参与（HITL）复核时为95.9%，不含时为86.7%； 遗漏有效映射多于错误映射。 作者认为成效更多取决于结构化人工复核流程，而非模型本身。
研究原始来源可核对
事实与证据边界
研究在安全学术环境中部署GPT-4o，预处理后纳入884个调查条目，其中812个被映射，每个项目平均映射到79个CDE语义组，CDE语义组总数为114个。 条目对层面平均语义映射准确率为95.9%（SD 5.7%）含HITL复核、86.7%（SD 8.6%）不含； CDE语义组层面分别为98.9%（SD 1.7%）和94.9%（SD 4.0%）。
遗漏有效映射多于错误映射，异质应答结构与主观构念更易出问题。 该来源仅为摘要，未披露各项目样本量、评审者数量与分歧处理机制。
分析判断
两项准确率的对照来自同一流程的不同复核条件，不能理解为GPT-4o单独具备该准确率，也不代表该流程在临床或科研结论上有效。 可读出的方法论信号是：概念式预处理、提示迭代与定向人工复核的组合比模型选择更关键； 遗漏型错误偏多意味着自动映射不宜替代研究者判断。
后续观察信号
- 查阅论文全文确认各项目条目规模与复核设计
- 跟踪同类LLM（大语言模型）辅助数据协调研究是否复现该准确率差距