PulseAugur
中
实时 09:59:53
English(EN) From Many to Meaningful: Feature-Guided Zero-Shot Chronic Kidney Disease Screening Using Large Language Models

LLMs 在使用最少患者数据进行零样本 CKD 筛查方面显示出潜力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种利用大型语言模型 (LLMs) 进行慢性肾脏病 (CKD) 早期筛查的特征引导零样本框架。该方法通过关注易于获取的基于社区的紧凑、临床相关的特征子集，绕过了对大量标记数据集或资源密集型病理测试的需求。在包括 LLaMA-3、Qwen-3、Mistral 和 GPT-4o-mini 在内的多个 LLMs 上的评估表明，使用此选定的特征集在不同数据集和国家/地区始终提高了性能和泛化能力，这表明 LLMs 可以为 CKD 筛查提供传统 ML 方法的实用补充。 AI

影响 LLMs 可以适应使用最少数据进行医学筛查，有可能改善资源匮乏地区的可及性。

排序理由 该集群包含一篇学术论文，详细介绍了在特定医学筛查背景下使用 LLMs 的新颖方法。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

LLMs 在使用最少患者数据进行零样本 CKD 筛查方面显示出潜力

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Muhammad Ashad Kabir, Sirajam Munira ·

    从多到有意义：使用大型语言模型进行特征引导的零样本慢性肾脏病筛查

    arXiv:2607.12260v1 Announce Type: new Abstract: Early screening of chronic kidney disease (CKD) is essential for preventing irreversible progression; however, many machine learning (ML)-based screening methods remain difficult to deploy in community and resource-limited screening…

  2. arXiv cs.LG TIER_1 English(EN) · Sirajam Munira ·

    从众多到有意义：使用大型语言模型进行特征引导的零样本慢性肾脏病筛查

    Early screening of chronic kidney disease (CKD) is essential for preventing irreversible progression; however, many machine learning (ML)-based screening methods remain difficult to deploy in community and resource-limited screening settings due to their reliance on large labeled…

相关实体

相关话题