研究人员开发了CohortFlow,一种旨在高效更新临床试验临床队列规范的可控代理。该代理将校正表示为结构化执行图的本地化更新,允许选择性地使受影响的计算无效,同时保留先前有效的计算结果。在评估中,与完全重新生成相比,CohortFlow在需求准确性方面显示出微小的数值优势,校正延迟显著降低,模型调用次数也更少。在MIMIC数据集上的概念验证显示了队列状态的成功执行以及对未受影响的计算的选择性保留。 AI
影响 通过改进AI代理处理不断变化的资格标准的方式,有潜力降低临床试验设置的延迟和计算成本。
排序理由 详细介绍一种新的临床队列策源AI代理的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- CohortFlow
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- Litmaps
- MIMIC
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →