大型语言模型作为罕见病建模的合成临床专家

研究人员开发了一种新颖的方法，利用大型语言模型（LLMs）作为合成临床专家来改进罕见病的建模。该方法通过离线查询LLMs关于患者观察描述以获取专家判断，将临床知识整合到模型拟合过程中。然后，这些判断被用来训练一个可微分的代理模型，增强变分自编码器的损失函数，以确保重建数据保持临床相关性。在一项涉及脊髓性肌萎缩症的研究中，与无监督方法相比，该技术减少了疾病类型标签的分歧，并提高了运动功能里程碑的预测能力。 AI

影响 大型语言模型现在可以被用来将临床专业知识注入罕见病建模，从而可能提高诊断准确性和预测能力。

排序理由 详细介绍大型语言模型在医学数据建模中新应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Clemens Schächter
• DagsHub
• Gotit.pub
• Hugging Face
• large language models
• spinal muscular atrophy
• variational autoencoder

• 论文
• 模型发布
• 其他

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