นักวิจัยนำเสนอ ChatHealthAI ซึ่งเป็นเฟรมเวิร์กการให้เหตุผลแบบหลายโหมด (Multimodal Reasoning) ที่ออกแบบมาเพื่อแก้ปัญหาข้อจำกัดของ LLM ในการจัดการข้อมูลเวชระเบียนอิเล็กทรอนิกส์ (EHR) ที่มีโครงสร้างซับซ้อน โดยระบบจะทำการจัดตำแหน่ง (Align) ข้อมูลผู้ป่วยจากโมเดลพื้นฐาน EHR เข้ากับพื้นที่ความหมายของ LLM ผ่านกลไก 'Task-aware Resampler'
กระบวนการนี้ช่วยให้โมเดลสามารถผสานข้อมูลประวัติผู้ป่วยในระยะยาวเข้ากับคำอธิบายเหตุการณ์ทางคลินิก ทำให้ LLM สามารถให้เหตุผลทางการแพทย์ที่อิงตามหลักฐานจริงในเวชระเบียนได้ (Grounded Reasoning) ผลการทดสอบจากเกณฑ์มาตรฐาน EHRSHOT พบว่า ChatHealthAI ไม่เพียงแต่รักษาประสิทธิภาพในการทำนายอาการโรค แต่ยังช่วยเพิ่มคุณภาพและความสามารถในการอธิบายเหตุผลเบื้องหลังการวินิจฉัยได้อย่างมีนัยสำคัญ
