**训练大型语言模型预测临床事件**

_Training Large Language Models to Predict Clinical Events_

> 该研究扩展了Foresight Learning方法，用于临床预测任务。通过将MIMIC-III数据库中的纵向临床笔记转化为训练示例（包括患者历史上下文、关于未来事件的自然语言问题以及后续文档解析的标签），共生成了来自702个住院病例的6,900个预测示例，涵盖药物、手术、器官支持、微生物学和死亡率。在这些示例上训练的小型LoRA适配器显著提升了基础模型的性能，将预期校准误差从0.1269降至0.0398，布里尔分数从0.199降至0.145，并在留出的问题上略优于GPT-5的点估计。该方法能够从纵向笔记中生成可重用的临床预测监督数据，无需人工设计结构化特征或针对特定终点的分类器。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-22 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.12817)