研究人员开发了 RaDaR，这是一种紧凑型 32B 参数推理 LLM，旨在辅助罕见病的诊断。RaDaR 在结合了公开和合成临床病例进行训练后，表现优于包括更大的 DeepSeek-R1 在内的其他开源模型。在回顾性分析中，RaDaR 比临床怀疑显著更早地确定了正确诊断，有可能缩短诊断前置时间。一项随机试验表明，与仅使用互联网搜索相比，RaDaR 的医生辅助将诊断准确率提高了 21 个百分点以上。 AI
影响 该 LLM 有可能显著缩短罕见病的诊断延迟，改善患者预后，并可能降低医疗保健成本。
排序理由 该集群包含一篇详细介绍新型 LLM 及其在试验中表现的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.24510v1 Announce Type: new Abstract: Rare diseases affect millions of individuals worldwide, yet timely diagnosis remains a major public health challenge due to scarcity of specialized clinical expertise. While large language models (LLMs) show promise to support rare …
Rare diseases affect millions of individuals worldwide, yet timely diagnosis remains a major public health challenge due to scarcity of specialized clinical expertise. While large language models (LLMs) show promise to support rare disease diagnosis, current models are constraine…