该论文介绍了一种解决医疗领域中人工智能不可信和数据有限性挑战的新方法，使用贝叶斯蒙特卡洛 Dropout 模型和核模型提高小型医疗数据集的可靠性。该方法通过利用现有的语言模型并与当前工作流程无缝集成，在数据有限的情况下显著提高可靠性，为建立对基于人工智能的医疗预测的信任和发挥其改善患者护理潜力迈出了一大步。