ColaCare：通过大型语言模型驱动的多智能体协作提升电子健康记录建模
原文中文，约400字，阅读约需1分钟。发表于：。本研究针对电子健康记录建模中的结构化数据与基于文本推理之间的缺口，提出了名为ColaCare的框架。该框架通过多智能体协作，结合领域专家模型与大型语言模型，显著提高了死亡预测任务的性能，展现了其在临床决策支持系统和个性化精准医学方面的革命性潜力。
本研究探讨了大型语言模型在电子健康记录中的应用，特别是其零样本预测能力。通过上下文学习策略，模型能处理EHR数据的纵向和稀疏特性。在MIMIC-IV和TJH数据集上的实验显示，经过设计的提示框架使模型在关键任务预测上性能提高约35%，在少样本情况下优于传统模型。这表明LLMs在无标签数据的紧急医疗情境中有助于提升临床决策能力。
