ReMedi：医学临床预测推理器
计算与语言
2026-05-05 v1
摘要
从电子健康记录(EHR)预测未来临床结果仍具有挑战性，due to 患者数据的复杂性和异质性。大语言模型(LLM)在此类预测任务中显示出强大的潜力，但现有方法主要集中在通过蒸馏或 RAG 来增强医学知识，同时依赖模型内部解释上下文信息的能力。在本工作中，我们提出了 ReMedi(医学临床预测推理器)，一个用于改进 EHR 中临床结果预测的框架。ReMedi 使用针对复杂临床问题的困难样本再生机制生成 rationale-answer 对，这一机制利用真实答案作为线索来增强对进一步微调和偏好调优的推理。ReMedi 将真实结果指导集成到偏好数据构建循环中，重新生成 rationale-answer 变体。通过在这些 rationale-answer 对上进行调优，该模型提高了其预测性能。在多个 EHR 预测任务上的实验表明，ReMedi 相对于最先进的基线在 F1 分数上提升了最高可达 19.9%，凸显了 ReMedi 在现实世界临床预测中的有效性。
引用
@article{arxiv.2605.01474,
title = {ReMedi: Reasoner for Medical Clinical Prediction},
author = {Yushi Cao and Yiming Chen and Hongchao Jiang and Hung-yi Lee and Robby T. Tan},
journal= {arXiv preprint arXiv:2605.01474},
year = {2026}
}
备注
ACL 2026 findings