전자 의료 기록 표현을 대형 언어 모델과 일치시키기 위한 건강한 임상 판단의 기초

대규모 언어 모델(LLM)은 의료 결정 지원을 위한 강력한 자연어 논리 능력을 보이지만, 구조화된 장기 전자 의료 기록(EHR)의 효과적인 모델링에 어려움을 겪습니다. 반면, EHR 기반 모델은 예측 가능한 환자 표현을 학습할 수 있지만, 해석 가능한 언어 기반 논리를 제공하지 못합니다. 이 격차를 해결하기 위해, 우리는 구조화된 EHR 표현과 프리트레인된 LLM의 의미 공간을 연결하는 작업에 대한 태스크 아웨어 리샘플러를 통해 ChatHealthAI라는 다중 모드 논리 프레임워크를 제안합니다. 장기 환자 표현과 정교화된 임상 이벤트 설명을 통합함으로써, ChatHealthAI는 정확한 환자 예측을 유지하면서 임상적으로 기반을 둔 자연어 논리를 가능하게합니다. 우리는 EHRSHOT 벤치마크에서 세 가지 임상 예측 태스크를 평가했습니다. 결과는 ChatHealthAI가 논리 품질과 해석 가능성을 개선하면서 경쟁력 있는 예측 성능을 유지한다는 것을 보여줍니다. 이러한 발견은 EHR 기반 모델과 프리트레인된 LLM을 통합하여 해석 가능한 임상 예측을 위한 잠재력을 강조합니다.