跳到主要内容
检索

Universities of Giessen and Marburg Lung Center

3 篇关联报道

订阅更新
  1. 面向临床统计分析的AI“氛围编程”基准测试:肺动脉高压研究中的结构化评估

    该研究让五个当前大语言模型(GPT 5.3、Claude Sonnet 4.6、Gemini 2.5 Flash、Perplexity 和 Grok)在相同数据集与标准化提示下复现一项已发表临床工作流中经专家验证的三类统计分析任务——描述性表格生成、Kaplan–Meier生存分析和Cox比例风险建模,并将输出与两位受过数理统计训练的专家的分析在分组正确性、数值准确性、缺失值处理和生成的R代码质量方面进行比较,结果显示所有模型在变量被明确指定后都能给出正确的描述性统计,两个模型因变量名歧义在初始描述性基准中失败但在提示澄清后恢复,所有模型都复现了正确的Kaplan–Meier p值但图形完整性不同,Cox基准

  2. 临床编码映射中的LLM工具使用:从非结构化德语临床笔记中自动提取药物与诊断信息的试点研究

    该试点研究将35份来自5名患者的德语医生笔记匿名化,构建了一条药物提取与映射流程和两条诊断流程(其中一条基于RAG、一条基于智能体AI),在本地GPU-PC上运行三种开放权重LLM,结果显示药物名称提取F1可达0.95、药物映射F1可达0.78,而诊断编码F1不超过0.12、宽泛类别映射F1为0.18,作者据此认为LLM适合用于研究数据库的药物信息提取,但当前开放权重模型尚不足以支撑直接依赖其表现的临床诊疗场景。

  3. 超声心动图在肺动脉高压风险评估中的增量价值:ULTRA RIGHT VALUE 注册研究的人工智能机器学习分析

    在 401 例欧洲多中心前瞻性肺动脉高压(PAH)队列中,将右心室超声心动图参数(尤其是右心室-肺动脉耦联指标)纳入 ESC/ERS 与 REVEAL 2.0 风险评分后,机器学习分析显示死亡与发病预测的 c-index 分别从 0.73 提升至 0.78、从 0.74 提升至 0.79(P<0.01),提示超声心动图可提升现有 PAH 风险评分的预测能力。

已读完全部报道