LLM摘要通过重组临床数据来增强院内死亡率预测

研究人员开发了一个多重表征框架，该框架将LLM生成的ICU记录专家摘要与生理数据相结合，以提高院内死亡率预测。与仅使用生理数据的0.3625/0.7770相比，该方法显著提高了预测准确性，达到了0.4977的AUPRC和0.8429的AUROC。虽然LLM摘要提供了患者特定的改进，但研究发现它们主要重组了临床记录中已有的信息，而不是引入全新的数据。 AI

影响 这项研究展示了LLM在医疗保健领域的一个新颖应用，通过利用生成的摘要，有可能提高诊断准确性和患者预后。

排序理由 该集群描述了一篇发表在arXiv上的研究论文，该论文详细介绍了一种使用LLM生成的摘要来改进医学预测的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Harshavardhan Battula
• Hugging Face
• MIMIC-III
• ScienceCast

• 论文
• 产品

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