oncology

本文提出了一种面向部署的压力测试框架，用于评估大型语言模型在识别乳腺癌放疗副作用方面的表现。该研究揭示了LLM在可靠性方面的局限性，例如对文档细微变化的敏感性以及对罕见副作用的低召回率，表明以临床医生整理的清单为输出依据可提高鲁棒性。

一项新研究提出，利用人工智能分析肿瘤的空间组织、免疫定位和信号环境，将肿瘤视为有组织的生态系统而非随机突变。

FD-NL2SQL是一个反馈驱动的自然语言转SQL系统，专门用于临床肿瘤学数据库，通过临床医生编辑和基于逻辑的SQL增强实现持续学习。该系统将自然语言问题分解为谓词，检索专家验证的范例，并综合可执行的SQL，具备持续学习能力。