本研究提出了一种新型大型语言多模型框架，结合临床笔记和实验室数据，预测慢性疾病风险。使用clinicalBERT和PubMed-BERT，模型在糖尿病预测中达到73%准确率，Flan T-5模型的ROC曲线下面积为76%。该方法优于传统模型，能够有效处理文本中的否定和数值，显著提高疾病预测性能，具有潜在的临床应用价值。

我们研究了 LLM 基于零样本立场检测在推文上的表现，使用了 FlanT5-XXL 这一面向指令的开源 LLM，并使用了 SemEval 2016 任务 6A、6B 和 P-Stance...