arXiv · AI×医药交叉论文· Daniel Palacios·· 16 小时前精选AI 评分67
CEDAR智能体利用多模态病历预测儿科糖尿病结局
Agentic LLM reasoning in pediatric diabetes outcome prediction from multimodal medical records
AI 导读
研究团队提出具备证据引用与自审能力的大语言模型智能体 CEDAR，基于多模态病历对儿科 1 型和 2 型糖尿病结局的预测表现优于传统机器学习。在 2,489 例 2 型与 4,018 例 1 型糖尿病队列中，CEDAR 的综合 AUROC 分别达 0.815 与 0.756，显著高于机器学习模型的 0.656 至 0.700 和 0.603 至 0.631。
推荐理由
研究展示了带证据引用和自审机制的智能体在多模态病历结局预测中的表现，高准确率与专家一致性为可解释临床AI提供了参考。
来源：arXiv · AI×医药交叉论文 · arxiv.org