English(EN) Towards end-to-end LLM-based censoring-aware survival analysis

LLM应用于医学中的审查感知生存分析

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-26 04:00

研究人员开发了LLMSurvival，一个能够将大型语言模型用于临床环境生存分析的新框架。该方法将事件发生时间预测重新构建为成对排序问题，使未经修改的LLM能够处理审查数据。在ICU死亡率和脆性骨折预测任务上，LLMSurvival的表现优于传统的Cox模型和现有的深度学习方法。 AI

影响使LLM能够在审查数据上进行复杂的医学预测，可能改善临床决策。

排序理由该集群描述了一篇介绍使用LLM进行生存分析的新颖框架的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Yishu Wei, Hexin Dong, Yi Lin, Jiahe Qian, Yi Liu, Yifan Peng · 2026-05-26 04:00

Towards end-to-end LLM-based censoring-aware survival analysis

arXiv:2605.25399v1 Announce Type: new Abstract: Objective: Survival analysis is central to medical prediction, yet large language models (LLMs) are rarely used as end-to-end survival models because censoring prevents straightforward supervised fine-tuning. Here we present LLMSurv…