AI在罕见病诊断方面存在困难，新论文揭示

一项新的研究论文探讨了使用AI进行罕见病诊断中的选择性预测所面临的挑战。研究发现，即使是先进的开放权重LLM在处理超罕见疾病时也存在困难，召回率较低。该论文还强调，仅依靠最高分数来做诊断决策是不可靠的，需要使用置信度信号（如前两名分数之差）的更细致的方法来提高准确性。研究表明，当前的方法不足以可靠地识别罕见病，需要进一步的模型开发。 AI

影响 强调了当前LLM在专业诊断任务中的局限性，表明需要更强大的模型来识别罕见病。

排序理由 arXiv上发表的研究论文，详细介绍了AI在罕见病诊断中的局限性。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Exomiser
• Gotit.pub
• Hugging Face
• IArxiv
• ScienceCast
• SciFact

• 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 →