Jialin Chen

LLM 通过从 EHR 数据中提取隐藏的混杂因素来增强临床因果推断

一篇新的研究论文探讨了大型语言模型 (LLM) 如何通过从自由文本注释中提取先前未测量的临床混杂因素来改进电子健康记录 (EHR) 的因果推断。该研究利用了包含 21,859 名败血症患者的 MIMIC-IV 数据库，比较了将这些 LLM 衍生的协变量整合到因果估计流程中的七种不同策略。一项关键发现表明，直接使用 LLM 协变量增强倾向得分模型可获得最佳性能，与仅依赖结构化数据的方​​法相比，可显著减少估计偏差。