PulseAugur
中
实时 15:05:05
English(EN) LLM4EHR: Aligning Clinical Time Series with Medical Event Sequences via Large Language Models

新型LLM4EHR模型对齐临床数据以改进EHR分析

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了LLM4EHR，这是一种新颖的临床基础模型，旨在更好地将临床时间序列数据与医疗事件序列对齐。该模型结合了领域适应的大语言模型和Transformer时间序列编码器，利用正则化对比目标来学习鲁棒的表示。LLM4EHR模型在各种下游临床任务上表现出改进的性能，并通过k-shot适应能力将可迁移的嵌入部署到新的患者队列中。 AI

影响 该模型可能带来更具泛化性和更高性能的临床基础模型，从而改善患者预后预测。

排序理由 该集群包含一篇详细介绍新模型和方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新型LLM4EHR模型对齐临床数据以改进EHR分析

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jingteng Li, Alexander Capstick, Louise Rigny, Iona Biggart, Neil J Sebire, Payam Barnaghi ·

    LLM4EHR：利用大型语言模型将临床时间序列与医学事件序列对齐

    arXiv:2607.15447v1 Announce Type: new Abstract: Recent research in clinical machine learning, focusing on outcome predictions in intensive care unit (ICU), has shifted from bespoke supervised models to foundation models, utilising modern representation learning methods. Here, fou…

相关实体

相关话题