LLM GatorTron-3.9B 在预测癌症患者心力衰竭风险方面优于 BERT

佛罗里达大学健康中心的研究人员利用大型语言模型（LLMs）进行了一项研究，以预测癌症患者发生心力衰竭的风险。该研究使用了超过 12,000 名患者的电子健康记录，特别关注了被诊断患有肺癌、乳腺癌和结直肠癌的患者。名为 GatorTron-3.9B 的 LLM 通过实现比传统机器学习模型和 BERT Transformer 模型更高的 F1 分数，展现出卓越的性能，表明 LLMs 在改善患者预后和治疗安全性方面具有潜力。 AI

影响 展示了 LLMs 在临床决策支持方面的潜力，提高了肿瘤学患者的安全性。

排序理由 学术论文，详细介绍了关于 LLM 在特定医疗任务中性能的研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• alphaXiv
• arXiv
• Bert
• CatalyzeX
• DagsHub
• GatorTron-3.9B
• Hugging Face
• time-aware long short-term memory
• University of Florida Health
• Ziyi Chen

• 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 →