基于本地可部署大语言模型的多模态生存分析
机器学习
2026-03-24 v1 人工智能
摘要
我们研究了如何利用本地可部署的大语言模型（LLM）对临床文本、表格协变量和基因组数据进行多模态生存分析。由于许多机构面临计算资源有限和隐私约束，本研究动机在于使用轻量级、本地部署的模型。我们的ethods方法通过教师-学生蒸馏和原则化的多模态融合，联合估计校准的生存概率，并生成简洁且基于证据的预后文本。在TCGA数据集上，我们的方法超越了标准基线方法，避免了依赖云服务及其隐私问题，减少了基础LLM中可能出现的幻觉或失准估计风险。
引用
@article{arxiv.2603.22158,
title = {Multimodal Survival Analysis with Locally Deployable Large Language Models},
author = {Moritz Gögl and Christopher Yau},
journal= {arXiv preprint arXiv:2603.22158},
year = {2026}
}
备注
NeurIPS 2025 Workshop on Multi-modal Foundation Models and Large Language Models for Life Sciences