[论文翻译]CPLLM: 基于大语言模型的临床预测
我们提出了临床预测大语言模型 (CPLLM),该方法通过对预训练的大语言模型 (LLM) 进行微调,用于临床疾病和再入院预测。我们采用量化技术并通过提示词对LLM进行微调。在诊断预测任务中,我们基于患者历史诊断记录,预测其下次就诊或后续诊断中是否会被确诊为目标疾病。我们将实验结果与RETAIN、Med-BERT(当前使用时序结构化电子健康记录数据进行疾病预测的最先进模型)等多种基线模型进行了对比。此外,我们还评估了CPLLM在患者再入院预测任务中的表现,并与基准基线模型进行了性能比较。实验结果表明,我们提出的CPLLM方法在PR-AUC和ROC-AUC指标上均优于所有测试模型,在诊断预测和患者再入院预测任务中均取得了最先进的成果。该方法可轻松部署并整合到临床流程中,辅助医护人员预判患者的病情发展。