研究人员开发了ClaMPAPP，一个将大型语言模型（LLM）用作临床决策支持接口而非直接诊断引擎的混合系统。该方法将自然语言处理与预测推理分开，解决了LLM的提示敏感性和输出不稳定性等局限性。ClaMPAPP从自由文本叙述中提取结构化临床特征，对其进行验证，然后将其输入XGBoost分类器。与端到端LLM基线相比，该混合系统在识别儿科阑尾炎方面表现出更优越的诊断性能，尤其是在最大限度地减少漏诊方面。 AI
影响 这种混合方法为将LLM集成到临床决策支持系统中提供了一条更可审计、更稳健的途径，有可能提高诊断准确性和安全性。
排序理由 该集群包含一篇详细介绍用于特定医疗应用的新的混合LLM-ML系统的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.19183v1 Announce Type: cross Abstract: Large language models (LLMs) can make clinical decision support more accessible by interpreting free-text documentation, but their direct use as diagnostic engines is limited by sensitivity to prompts, information order, and plaus…
Large language models (LLMs) can make clinical decision support more accessible by interpreting free-text documentation, but their direct use as diagnostic engines is limited by sensitivity to prompts, information order, and plausible but incorrect outputs. Structured machine-lea…