研究人员开发了一种新颖的临床预测方法，将所有患者数据（包括文本和结构化测量值）转换为单一的自然语言序列。这种方法允许对预训练语言模型进行微调，而无需专门的融合架构。统一的文本序列化方法在三个不同的临床预测任务中进行了评估，其性能等于或超过了已建立的多模态基线，并在一种情况下优于临床部署的系统。 AI
影响 简化了多模态临床预测系统，可能加速医疗保健AI的采用并降低其复杂性。
排序理由 学术论文，详细介绍了将LLM应用于临床预测任务的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- DeepSeek-R1-Qwen
- Gemma
- Hugging Face
- large language models
- Llama~3.1
- MIMIC-III
- ModernBERT
- Qwen3
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
