• 题目：医疗系统规模的大语言模型——临床预测瑞士军刀
• 地点：- Zoom会议 ID: 878 7050 9801 密码：207409
• Zoom会议时间：北京时间 7 月 6 日 星期四 10:00 AM
• Zoom会议链接: https://us06web.zoom.us/j/87870509801?pwd=SGpvdEc3YVRQL2twTmJyenhnTDFrZz09
• 主讲人：蒋遥博士，纽约大学数据科学学院的第二年博士生。导师是Eric Oermann和Kyunghyun Cho。本科在卡耐基梅隆大学学习电子和电脑工程以及数学科学。对表征学习感兴趣。工作之余，喜欢烹饪，游戏和运动。

中文摘要

医生每天需要做重要的、时间紧迫的决定。临床预测模型可以通过预测临床和运营事件来帮助医生和医院管理者。现有的基于结构数据的模型因其在数据处理、建模和落地的复杂性导致日常工作中使用有限。我们发现电子健康记录（EHR）里的非结构性病历文档让训练医疗语言模型变可能，并能将其用作多用途的、低阻建模和落地的临床预测引擎。我们的方法发挥了最近自然语言处理的进步来训练一个用于医疗语言的大语言模型（NYUTron），然后在多个临床和运营任务上微调。我们在五个任务上评估我们的方法：30天全因再入院预测，院内死亡预测，合并症指数预测，住院长度预测，和保险不报销预测。我们发现NYUTron在这些任务的auc是78.7%到94.9%，并比传统结构模型有5.36%-14.7%的提升。我们额外展示了用医疗语言预训练的好处，通过本地微调得到的提升泛化性，和通过一个前瞻性单臂试验展示的完整落地。这些结果揭示了用医疗语言模型来在和医生一起在即时诊断中阅读的潜力。

参考文献

• Jiang, L.Y., Liu, X.C., Nejatian, N.P. et al. Health system-scale language models are all-purpose prediction engines. Nature (2023).

关键词

• 医疗语言模型、落地