DeepImagine: Ragionamento controfattuale per la previsione di trial clinici
DeepImagine è un framework progettato per migliorare le capacità di ragionamento biomedico dei grandi modelli linguistici utilizzando l'immaginazione controfattuale successiva. Simula meccanismi causali nascosti nei trial clinici addestrando i modelli a dedurre come i risultati dei trial varierebbero con aggiustamenti controllati di fattori come dosaggio, misure di esito, bracci dello studio, geografia e altre caratteristiche del trial. Il framework genera coppie controfattuali sia naturali che approssimative derivate da trial clinici reali con risultati documentati. Questo metodo affronta la difficoltà di prevedere i risultati futuri dei trial clinici, un'area in cui i predittori correlazionali tradizionali e i LLM commerciali hanno mostrato un'efficacia limitata.
Fatti principali
- DeepImagine è un framework per insegnare ai LLM il ragionamento biomedico.
- Utilizza l'immaginazione controfattuale successiva.
- L'idea centrale è approssimare i meccanismi causali nascosti dei trial clinici.
- I modelli sono addestrati a dedurre i cambiamenti dei risultati sotto perturbazioni controllate.
- Le perturbazioni includono dosaggio, misure di esito, bracci dello studio, geografia e altri attributi del trial.
- Coppie controfattuali sia naturali che approssimative sono costruite da trial clinici reali.
- Lavori precedenti mostrano prestazioni limitate dei predittori tradizionali e dei LLM commerciali su questo compito.
- La ricerca è pubblicata su arXiv con ID 2604.23054.
Entità
Istituzioni
- arXiv