用监督LLM在语言空间融合超声心动图AI输出
原文：Integrating Heterogeneous Echocardiography AI Outputs in Language Space: Learnable Late Fusion with a Supervised LLM
视图和靶标特定的超声心动图 AI 模型捕获有用但互补的信息，单独使用时可能无法达到足够的预测性能。学习型集成是组合这些输出的自然方式，但异构模型通常要求将每个输出转换为二值决策、概率、置信度分数或固定长度特征向量。我们开发了一种基于监督式大语言模型（LLM）的晚期融合模块，直接在语言空间中聚合视图特定的预测发现陈述和预测测量值，并学习病例级融合函数。在来自 646 名患者的 859 次检查的患者级三折交叉验证中，所提方法在单一框架内整合了异构输出，性能与所评估的最佳参考策略相当，并优于未经任务特定训练的通用 LLM。这些结果表明，监督式 LLM 可以组合多个上游模型，而无需模型特定的输出转换或需要医学知识的特征工程。作者：Ryo Takizawa, Tempei Kabayama, Chiemi Yamazaki, Shun Kitamura, Ryo Matsuoka 类别：cs.CL, cs.AI