AI与世界难题 · 医学与药物研发 · Nature (computational biology) · 2026-10-22
利用大语言模型和结构化数据预测卒中预警中的急性颅内血管事件
原标题: Predicting acute intracranial vascular events in stroke alerts using large-language models and structured data
急性卒中警报经常因非脑血管疾病而被激活，产生的假阳性使资源紧张。研究人员结合大语言模型、结构化电子健康档案数据和临床时间序列特征，开发了机器学习模型，并利用来自西奈山医疗系统的回顾性警报数据，在卒中警报激活时预测急性颅内血管事件。在16,512次警报中，多模态模型取得了0.73的AUROC，灵敏度为0.76，特异度为0.56，表明其可支持警报激活后的风险分层并减少假阳性评估。