利用大语言模型预测肺癌患者预后
计算与语言
2024-08-16 v1
摘要
预后预测对于确定肺癌患者的最佳治疗方案至关重要。传统上，此类预测依赖于基于回顾性患者数据开发的模型。最近，大语言模型（LLMs）因其基于广泛学习知识处理和生成文本的能力而受到关注。本研究评估了 GPT-4o mini 和 GPT-3.5 在预测肺癌患者预后方面的潜力。我们收集了两个预后数据集，即生存数据集和术后并发症数据集，并设计了多项任务以全面评估模型性能。逻辑回归模型也被开发为对比基线。实验结果表明，尽管未使用额外的患者数据，LLMs 在肺癌预后预测中可以达到与数据驱动的逻辑回归模型相当甚至在某些任务上更优的性能。这些发现表明 LLMs 可以成为肺癌预后预测的有效工具，特别是在患者数据有限或不可用的情况下。
引用
@article{arxiv.2408.07971,
title = {Predicting Lung Cancer Patient Prognosis with Large Language Models},
author = {Danqing Hu and Bing Liu and Xiang Li and Xiaofeng Zhu and Nan Wu},
journal= {arXiv preprint arXiv:2408.07971},
year = {2024}
}