PulseAugur
实时 15:32:57

LLMs 增强心血管风险预测,利用私有数据叙事

研究人员开发了一个混合框架,通过结合结构化临床数据和大型语言模型生成的自然语言叙事来预测心血管风险。他们使用了一个包含 1,190 名患者记录的数据集,将结构化变量转换为可解释的表示和合成的临床叙事。虽然随机森林等传统模型取得了更高的准确性,但 LLM 方法通过直接处理自然语言描述,提供了增强的患者数据隐私。 AI

影响 LLM 生成的叙事可以实现保护隐私的临床预测系统,作为传统模型的补充。

排序理由 学术论文,提出了一种使用 LLM 进行医学预测的新颖方法。[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 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Jeba Maliha, Md Rafiul Kabir ·

    LLMs for Cardiovascular Risk Prediction from Structured Clinical Data

    arXiv:2606.00031v1 Announce Type: cross Abstract: Coronary artery disease (CAD) remains one of the leading causes of death globally, highlighting the need for reliable predictive systems to support early diagnosis and risk assessment. While traditional machine learning models per…