大型语言模型用于从纵向医疗记录预测药物过量风险
人工智能
2025-04-17 v1 机器学习
摘要
从患者的医疗记录预测药物过量风险的能力对于及时干预和预防至关重要。传统机器学习模型在分析纵向医疗记录以完成这一任务方面已显示出前景。然而，最近在大型语言模型（LLMs）方面的进展，为通过利用其处理长文本数据的能力以及其在跨领域任务中内在的先验知识，提升预测性能提供了可能。在本研究中，我们评估了 Open AI 的 GPT-4o 大型语言模型在使用患者纵向保险索赔记录预测药物过量事件方面的效果。我们评估了其在微调和零样本设置中的性能，并将其与强大的传统机器学习方法作为基准进行比较。我们的结果表明，大型语言模型不仅在某些设置下超过传统模型，还能在无任务特定训练的零样本设置中预测过量风险。这些发现凸显了大型语言模型在临床决策支持方面的潜力，特别是对于药物过量风险预测。
引用
@article{arxiv.2504.11792,
title = {Large Language Models for Drug Overdose Prediction from Longitudinal Medical Records},
author = {Md Sultan Al Nahian and Chris Delcher and Daniel Harris and Peter Akpunonu and Ramakanth Kavuluru},
journal= {arXiv preprint arXiv:2504.11792},
year = {2025}
}