大型语言模型作为通用临床多任务解码器

开发有效的机器学习方法来提高临床系统的效率和准确性至关重要。尽管已有大量研究工作，但管理大量多样化的临床任务并适应新兴任务仍然是重大挑战。本文提出了一种新颖范式，采用预训练的大型语言模型作为通用临床多任务解码器。该方法利用语言表达的灵活性和多样性来处理任务主题变化及其相关参数。引入新任务只需添加新的指令模板。我们在数百个任务上验证了该框架，证明了其在促进多任务预测方面的鲁棒性，其性能与传统多任务学习和单任务学习方法相当。此外，它在适应新任务方面表现出色，在某些情况下具有令人印象深刻的零样本性能，在少样本场景中具有卓越的数据效率。这种新颖方法为管理临床应用中各种新兴任务提供了统一解决方案。