LLM-gestützte Konfounder-Erkennung verbessert Brustkrebsvorhersage

Ein neues Forschungsprojekt aus dem arXiv-Repository demonstriert, wie große Sprachmodelle (LLMs) die Vorhersage von Brustkrebs signifikant verbessern können. Durch die Analyse routinemäßiger klinischer Daten werden die Wahrscheinlichkeiten von Begleitkrankheiten wie Diabetes, Adipositas und Herz-Kreislauf-Erkrankungen automatisch abgeleitet.

Diese KI-generierten Features wurden in Random‑Forest‑Modellen eingesetzt und führten zu einer deutlichen Leistungssteigerung. Besonders die Modelle Gemma und Llama erzielten Verbesserungen von 3,9 % bzw. 6,4 % im Vergleich zu herkömmlichen Ansätzen.

Die Ergebnisse deuten darauf hin, dass die Methode ein vielversprechendes Werkzeug für nicht-invasive Voruntersuchungen darstellt. Durch die frühzeitige Erkennung von Risikofaktoren kann die klinische Entscheidungsfindung unterstützt und die Früherkennung von Brustkrebs optimiert werden.