使用大语言模型迭代学习难治性高血压的可计算表型
机器学习
2025-08-08 v1 人工智能
计算与语言
摘要
大语言模型（LLM）在医学问答和编程方面展现出了卓越的能力，但其生成可解释的可计算表型（CP）的潜力尚未得到充分探索。在这项工作中，我们研究了 LLM 能否为六种复杂程度不同的临床表型生成准确且简洁的 CP，这可用于实现可扩展的临床决策支持，从而改善高血压患者的护理。除了评估零样本性能外，我们提出并测试了一种“合成、执行、调试、指导”策略，该策略利用 LLM 生成并利用数据驱动的反馈迭代优化 CP。我们的结果表明，LLM 结合迭代学习，能够生成可解释且相当准确的程序，其性能接近最先进的机器学习方法，同时所需的训练样本显著更少。
引用
@article{arxiv.2508.05581,
title = {Iterative Learning of Computable Phenotypes for Treatment Resistant Hypertension using Large Language Models},
author = {Guilherme Seidyo Imai Aldeia and Daniel S. Herman and William G. La Cava},
journal= {arXiv preprint arXiv:2508.05581},
year = {2025}
}
备注
To appear in PMLR, Volume 298, Machine Learning for Healthcare, 2025