PulseAugur
中
实时 09:32:02
English(EN) ObGynLongBench: Revealing the Evidence-to-EHR Gap in Longitudinal EHR Decision-Making

新基准揭示大型语言模型在临床决策中使用纵向电子病历数据方面存在困难

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出 ObGynLongBench，这是一个旨在评估大型语言模型 (LLM) 在使用纵向电子病历 (EHR) 进行临床决策时性能的新基准。该基准包含 1,500 个源自真实妊娠 EHR 病史的病例，揭示了在直接提供证据与必须从患者记录中提取证据时，LLM 性能之间存在显著差距。研究发现，随着 EHR 上下文的延长和证据要求的复杂性增加，模型的准确性会下降，而在 EHR 访问策略中，主动搜索代理表现最佳。 AI

影响 凸显了大型语言模型在处理复杂患者数据的真实世界临床决策中面临的挑战，表明需要改进证据提取能力。

排序理由 该集群描述了在 arXiv 上发布的新基准和研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

新基准揭示大型语言模型在临床决策中使用纵向电子病历数据方面存在困难

本文如何被排名

Signal score
13 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群描述了在 arXiv 上发布的新基准和研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, product
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Breaking (< 6h)
Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Jun Xiang, Zhijie Bao, Rong Hu, Kaizhou Qin, Wei Chen, Zhongyu Wei ·

    ObGynLongBench：揭示纵向电子健康记录决策中的证据到EHR差距

    arXiv:2609.07601v1 Announce Type: cross Abstract: The application of large language models (LLMs) to personalized medical assistants has garnered growing interest. However, existing medical benchmarks largely rely on static question answering with pre-selected evidence, leaving u…

相关实体

相关话题