في عالم الطب، يعتبر تحليل البقاء (Survival Analysis) جوهرياً لتوقع نتائج المرضى، إلا أن نماذج اللغة الكبيرة (Large Language Models) نادراً ما كانت مستخدمة كنماذج بقاء شاملة بسبب صعوبة التعامل مع التآكل (Censoring) في البيانات. ومع ذلك، تم تقديم LLMSurvival، وهو إطار عمل مبتكر يمكّن من إجراء تحليل بقاء واعٍ للتآكل باستخدام نماذج اللغة الكبيرة بدون أي تعديلات.

يتولى LLMSurvival إعادة صياغة عملية التنبؤ بالزمان حتى الحدث من خلال الترتيب الثنائي بين الأفراد المتشابهين. ويستند هذا النموذج إلى مقارنة البيانات مع مواضيع مرجعية من مجموعة التدريب للحصول على تقدير دقيق للمخاطر.

أظهرت نتائج الدراسة التي تم تنفيذها على مهمتين سريريتين، مثل التنبؤ بمعدل الوفيات في وحدات العناية المركزة (ICU) والتنبؤ بمخاطر الكسور الضعيفة في مجموعة بيانات NewYork-Presbyterian/Weill Cornell Medicine، تحسناً في الدقة بنسبة 3.1% عن نماذج الموديل التقليدية بالإضافة إلى تحسينات متوسطة بلغت 2.1% لمرضى العناية المركزة و2.8% لمخاطر الكسور بالمقارنة مع ثلاثة نماذج عميقة قائمة.

تكشف هذه النتائج أن نموذج البقاء مع الأخذ في الاعتبار التآكل يمكن أن يتكيف بشكل مثالي مع مراحل التعليم الخاصة بنماذج اللغة الكبيرة من خلال مقارنة مستندة إلى إعادة صياغة التحليل. كما يظهر LLMSurvival قدرة على التكيف العالي وأداء متفوق مقارنة بمقاييس تم تقييمها وفق معايير الخبراء مثل SAPS-II وFRAX عبر سياقات سريرية متنوعة.

الأهم من ذلك، يدعم هذا الإطار النشر المحلي، حيث توفر نماذج الأساس المتاحة للجمهور أداءً كافياً لتحقيق الأهداف السريرية.

في الختام، يمثل إطار LLMSurvival إثباتاً لمفهوم أساسي يدمج نهجاً واعياً للتآكل في تحليل البقاء عبر نماذج اللغة الكبيرة.