arXiv · NLP· Daniel Palacios, Guantong Qi, Anna Kadi, Natali Borrego, Sukru Aras, Michael L. Ferm, Elizabeth Kubota-Mishra, Maria J. Redondo, Zhandong Liu, Mustafa Tosur, Hu Chen·· 6 小时前AI 评分31
CEDAR智能体LLM在儿科糖尿病多模态病历结果预测中的研究
Agentic LLM reasoning in pediatric diabetes outcome prediction from multimodal medical records
AI 导读
CEDAR智能体LLM在儿科2型与1型糖尿病队列中预测性能优于传统机器学习，综合AUC分别达0.815和0.756，在稀疏筛查结果上优势显著。 系统引用的70,246个数值中仅4个不匹配病历；两名儿科内分泌专家仅基于其引用证据和推理，在约90%案例中预测与CEDAR一致，专家间一致性为90.5%。
来源：arXiv · NLP · arxiv.org