arXiv cs.LG·24 天前★ 3

CARing：用医学 Token 与覆盖感知推理预测诊断

原文标题：Coverage-Aware Reasoning with Medical Tokens for Diagnosis Prediction

重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

论文提出 CARing 框架，用组合语义 ID 表示诊断，并通过覆盖奖励强化学习优化多标签推理轨迹。在 MIMIC-III 和 MIMIC-IV 上，CARing 在加权 F1 和 top-k 召回上超越所有 EHR 训练基线，推理模式下 R@30 达 46.04% 和 46.52%。

论文速读 · 四段结构cs.CL去论文速读 →

问题: 多标签诊断预测中，强化学习只奖励单条正确诊断，导致模型只覆盖少数疾病而忽略其他。
方法: 用组合语义 ID 表示诊断，并以覆盖奖励强化学习优化多标签推理轨迹，替代逐条奖励。
结果: 在 MIMIC-III 和 MIMIC-IV 上加权 F1 与 top-k 召回超越所有 EHR 训练基线，推理模式 R@30 达 46.04% 和 46.52%。
影响: 做临床决策支持或 EHR 预测的团队可参考其覆盖奖励思路，缓解长尾诊断漏报。

深读 · 结论先行AI 生成展开看要点与影响 ↓

CARing用组合语义ID表示诊断并加覆盖奖励，MIMIC上R@30达46.04%与46.52%

为什么重要：把强化学习奖励从单答案正确性改为多标签覆盖，为下次就诊多诊断预测这类天然多标签任务提供了可复用的训练范式。

以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。

AI 处理过程展开/收起

原始标题：Coverage-Aware Reasoning with Medical Tokens for Diagnosis Prediction

AI 中文标题：CARing：用医学 Token 与覆盖感知推理预测诊断

来源：arXiv cs.LG · 发布于 24 天前

分类：学术研究 · AI 重要度：★ 3（3）

标签：医疗 AI / 诊断预测 / 强化学习 / 语义 ID / 电子健康记录

关键词：医疗诊断预测 / LLM 推理 / 强化学习 / 电子健康记录 / 语义 ID

AI 生成以上内容由 AI 自动生成：中文标题、摘要、分类与重要度；同一事件的多家报道会自动归并展示。内容仅供参考，可能存在偏差，请以原文为准，不构成任何投资或专业建议。
版权归原作者与原发布平台所有；若涉及侵权或信息错误，请在举报与侵权投诉页反馈，我们会及时处理。

相关推荐