LLM4CKD: Large Language Models for Early Stage Chronic Kidney Disease Screening
本研究评估了大型语言模型（LLMs）在零样本和少样本上下文学习设置下用于早期慢性肾脏病（CKD）筛查的有效性，并对比了传统机器学习、深度学习及表格基础模型基线。研究提出一个框架，利用临床选定的表格特征和结构化提示模板实现无需任务特定训练的 LLM 推理。结果显示，LLMs 仅需少量示例即可达到竞争性性能，在低数据设置下常与传统方法相当或更优；然而其表现随输入复杂度增加而变得不稳定且依赖模型。相比之下，ML、DL 及 TFM 模型在更大训练数据下表现更一致。研究揭示了数据效率与稳定性之间的权衡，表明 LLMs 可作为标签数据有限时的灵活补充方案用于 CKD 筛查。相关代码已公开发布于 https://github.com/akabircs/LLM4CKD。