多模态大语言模型在肺栓塞风险评估方面展现出潜力

研究人员开发了一个用于评估多模态大语言模型（MLLMs）在临床问答中的基准，专门针对肺栓塞（PE）风险评估。该研究使用了包含超过23,000项CTPA研究的INSPECT数据集，并制定了八项诊断和预后任务。结果表明，像Gemma4 E4B和Gemma4 E2B这样的模型在结合电子健康记录（EHR）数据和CTPA图像时表现更好，尤其是在PE诊断方面，优于再入院预测等预后任务。这表明紧凑型多模态模型在早期PE风险检测和解释方面具有强大潜力。 AI

影响 这项研究展示了多模态大语言模型在临床环境中的潜力，预示着未来在早期疾病风险检测和解释方面的应用。

排序理由 该集群包含一篇学术论文，详细介绍了用于特定临床任务的多模态大语言模型的新基准和评估。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• electronic health records
• Gemma4:e2B
• gemma4:e4b
• pulmonary embolism

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →