将文本和时间序列集成到（大）语言模型中以预测医疗结果
计算与语言
2025-09-18 v1
摘要
大语言模型（LLM）在文本生成方面表现突出，但在处理涉及结构化数据（如时间序列）的临床分类任务方面仍未得到充分探索。本文采用基于DSPy的提示优化方法，对指令调优LLM进行适配，使其能够联合处理临床笔记和结构化EHR输入。我们的实验结果表明，这种方法在性能上与专门的多模态系统持平，同时要求的复杂度更低，跨任务的适应性更强。
引用
@article{arxiv.2509.13696,
title = {Integrating Text and Time-Series into (Large) Language Models to Predict Medical Outcomes},
author = {Iyadh Ben Cheikh Larbi and Ajay Madhavan Ravichandran and Aljoscha Burchardt and Roland Roller},
journal= {arXiv preprint arXiv:2509.13696},
year = {2025}
}
备注
Presented and published at BioCreative IX