大语言模型通过新的比较学习框架推进癌症生存预测

研究人员开发了CACSurv，一个利用大语言模型（LLMs）通过患者报告进行癌症生存预测的新颖框架。该方法解决了两个关键挑战：一个公式不匹配问题，其中生存预测需要对患者进行排序而不是独立的回归时间；以及一个监督不匹配问题，其中审查过的患者数据暗示了排序但并非确切的生存时间。CACSurv将问题重新表述为比较推理，预测相对预后排序，并使用一致性对齐的奖励进行监督。该框架在TCGA-SurvReport基准测试上实现了0.722的C指数，优于现有模型。 AI

影响 增强了大语言模型在专业医学领域的应用能力，有望改进诊断和治疗规划工具。

排序理由 学术论文，详细介绍了使用大语言模型进行癌症生存预测的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• CACSurv
• cancer survival prediction
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• large-language models
• ScienceCast
• TCGA-SurvReport
• The Cancer Genome Atlas

• 论文
• 模型发布

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