Yue Fang

GraphWalker框架通过患者类比提升LLM临床推理能力

研究人员开发了GraphWalker，一个旨在增强大型语言模型（LLM）在分析电子健康记录（EHR）时的临床推理能力的新框架。该方法通过整合数据驱动和模型驱动的视角，发现用于结构化检索的患者队列，并优化示范选择以获得最大信息增益，从而解决了现有患者类比方法的局限性。实验表明，GraphWalker的表现优于当前基线，并在不同数据集上保持稳健性，可作为基于LLM的临床工作流程的可插拔技能。