Dementia-R1：临床笔记预测痴呆预后框架

2026年10月26日，arXiv Artificial Intelligence 刊出 Choonghan Kim 等作者的 Dementia-R1 研究，提出一种基于强化学习的纵向痴呆预后框架，从非结构化临床笔记预测真实世界痴呆预后。该框架采用冷启动强化学习策略：先预训练模型预测病历中可验证的临床指标，再判断最终临床状态。据该报道，在 AMC 真实非结构化队列上达到 84.02% AUROC，优于参数量大 10 倍的模型；在独立医院队列的帕金森病痴呆预测中取得 78.37% AUROC；7B 模型在 ADNI 基准上以 83.17% AUROC 居所有 LLM 基线之首。代码已公开。上述数字与比较均来自该篇报道，尚无其他来源独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。