arXiv · cs.CL· Daniel Palacios·· 16 小时前精选AI 评分52
CEDAR：LLM 智能体在儿科糖尿病多模态病历结局预测中超越机器学习
Agentic LLM reasoning in pediatric diabetes outcome prediction from multimodal medical records
来源与原文
arXiv · cs.CL
作者：Daniel Palacios
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.40379v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究团队提出 CEDAR，一个引用证据、自我审计的 LLM 智能体管线，用 2,489 名 2 型糖尿病与 4,018 名 1 型糖尿病青少年患者的病历预测 24 个月结局。其 pooled AUROC 在 T2D 达 0.815、T1D 达 0.756，均优于训练过的机器学习基线；引用的 70,246 个数值中仅 4 个与病历不符，两位儿科内分泌医生依据其引用的证据在约九成病例中得出与 CEDAR 相同的预测。论文 18 页正文加 40 页补充材料，见 https://arxiv.org/abs/2610.40379v1。
推荐理由
论文报告了 LLM 智能体在儿科糖尿病风险预测上对传统机器学习的量化优势，引用值核对和医生独立复核结果给出了可检验的证据。
来源：arXiv · cs.CL · arxiv.org