ChatHealthAI：對齊電子健康記錄與大型語言模型以實現臨床推理

研究論文提出ChatHealthAI，這是一個多模態推理框架，旨在對齊結構化電子健康記錄（EHR）表示與大型語言模型（LLM）的語義空間。論文探討了大型語言模型在臨床決策支持中的應用，指出其在自然語言推理方面的優勢，但難以有效建模結構化的縱向EHR。相比之下，EHR基礎模型能學習預測性患者表示，卻缺乏可解釋的語言推理能力。為彌合這一差距，ChatHealthAI採用任務感知重採樣器，將預訓練的EHR基礎模型的結構化表示與凍結的LLM語義空間對齊。通過整合縱向患者表示與精煉的臨床事件描述，ChatHealthAI實現了基於臨床的自然語言推理，同時維持準確的患者預測。研究在EHRSHOT基準的三個臨床預測任務上進行評估，結果表明ChatHealthAI顯著提升了推理質量和可解釋性，並保持競爭性的預測性能。這些發現強調了將EHR基礎模型與預訓練LLMs整合，以實現可解釋臨床預測的巨大潛力。