Clemens Schächter

大型语言模型作为罕见病建模的合成临床专家

研究人员开发了一种新颖的方法，利用大型语言模型（LLMs）作为合成临床专家来改进罕见病的建模。该方法通过离线查询LLMs关于患者观察描述以获取专家判断，将临床知识整合到模型拟合过程中。然后，这些判断被用来训练一个可微分的代理模型，增强变分自编码器的损失函数，以确保重建数据保持临床相关性。在一项涉及脊髓性肌萎缩症的研究中，与无监督方法相比，该技术减少了疾病类型标签的分歧，并提高了运动功能里程碑的预测能力。