LLM结合临床记录识别间质性肺病优于理赔算法
热点事件观察中
LLM结合临床记录识别间质性肺病优于理赔算法
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Larghero 等研究团队在 medRxiv 发布预印本，评估大语言模型识别间质性肺疾病（ILD）的表现：在 Mass General Brigham 的 309 名带 ILD 诊断编码的肿瘤患者（经两位肺科医生裁定）上，12 个开源 LLM 接收理赔数据、电子健康记录（EHR）笔记或两者、且不做任务特定训练，与 20 种已发表的基于理赔的算法比较 PPV-yield。 在模拟药物安全场景中，真实比值比为 3.0 时，LLM 结合两类输入的观测比值比推算为 2.67，而 Algorithm 4 仅为 1.07。分析代码已公开于 GitHub。
AI 根据报道生成 · 3 小时前更新
最新进展11月2日 08:00
大语言模型基于临床记录与理赔数据识别间质性肺疾病报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- medRxiv 临床预印精选大语言模型基于临床记录与理赔数据识别间质性肺疾病
研究在Mass General Brigham的309名带有ILD诊断编码的肿瘤患者（经两位肺科医生裁定）上，比较了12个开源LLM与20种已发表的基于理赔的算法，LLM输入理赔数据、EHR记录或两者且不做任务特定训练。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 511月3日 12:00
- 近 24 小时变化
- –
0246
12:0013:0014:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。