CEDAR智能体在儿科糖尿病预测中性能超越传统机器学习

2026年10月30日，一项研究在arXiv（NLP领域）发布，重点评估了名为CEDAR的临床证据驱动智能体在儿科糖尿病结果预测中的应用。该智能体是一个具备引用证据和自我审计功能的LLM流水线。 研究数据来源于2489名2型糖尿病和4018名1型糖尿病青少年的病历。系统基于18个月的随访数据，预测24个月时点的临床结果，其中7项结果针对2型糖尿病，4项同时适用于1型糖尿病。 在综合性能上，CEDAR优于传统机器学习模型。其接收者操作特征曲线（ROC）曲线下总面积（AUC）在2型糖尿病中为0.815，显著高于机器学习的0.656至0.700；在1型糖尿病中为0.756，高于机器学习的0.603至0.631。该优势在筛查数据稀疏的结果中尤为明显。 在准确性验证方面，系统引用的70,246个数值中仅有4个与病历不匹配。两名儿科内分泌专家仅基于系统提供的引用证据和推理，在约90%的案例中预测结果与CEDAR一致，专家间一致性达到90.5%。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。