盛鹰体育手机版官网首页

近日，盛鹰体育手机版官网首页网络空间安全与计算机盛鹰体育手机版官网首页本科生作为第一作者撰写的论文“CausalMedLM: Causal Inference-Augmented LLMs for High-Accuracy Disease Prediction”（《CausalMedLM：用于高精度疾病预测的因果推断增强大型语言模型》）在中国科盛鹰体育手机版官网首页一区TOP期刊KBS (Knowledge-Based Systems) 上发表。第一作者赵怀远（2022级计算机科学与技术盛鹰体育手机版官网首页本科生，推免至南开大学），第二作者黄金来（2025届计算机科学与技术盛鹰体育手机版官网首页本科毕业生，推免至中国科盛鹰体育手机版官网首页大学）。指导教师为网络空间安全与计算机盛鹰体育手机版官网首页常卓老师（通讯作者）。

大语言模型（LLMs）给医疗决策支持系统带来革命性变化。然而，由于结构化医疗数据存在类别不平衡问题，疾病预测的准确性受到限制。传统机器学习方法因其固有的统计相关性偏见和对因果关系的忽视，难以有效解决这一难题。为应对此挑战，作者提出CausalMedLM框架，该框架将领域特定的因果推断与大语言模型深度融合，通过构建症状－疾病因果图、因果约束的医疗知识序列表示转换、C?IO-STAR提示框架引导LLM进行精准因果推理，构建可解释的疾病诊断，显著提升罕见病预测能力，同时保持常见病诊断高准确率。

该研究首创性地将因果推断与大型语言模型相结合，提出了一种有效处理极端不平衡医疗数据的新范式，对于提升自动化疾病诊断（尤其是罕见。┑淖既沸杂肟山馐托跃哂兄匾庖。

CausalMedLM流程概览