强化学习框架从临床笔记预测痴呆，作者报告 AUROC 84.02%
资讯摘要
论文提出 Dementia-R1，一个基于强化学习的框架，用于从非结构化临床笔记做纵向痴呆预后。方法采用 Cold-Start RL 策略，先预训练模型预测从病史中提取的可验证临床指标，再判断最终临床状态。作者报告在 AMC 真实队列上 AUROC 达 84.02%，优于参数量大至 10 倍的模型；在独立医院队列的帕金森病痴呆预测上 AUROC 为 78.37%；7B 模型在 ADNI 基准上 AUROC 为 83.17%。
要点速读
- 采用 Cold-Start RL：先预训练预测可验证临床指标，再做最终临床状态判断
- AMC 真实非结构化队列 AUROC 84.02%，作者称优于大至 10 倍的模型
- 独立医院队列帕金森病痴呆预测 AUROC 78.37%；ADNI 上 7B 模型 AUROC 83.17%
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。