研究人员开发了 SYNRARE，一个旨在为罕见病生成合成电子健康记录（EHR）的新工具。该图形用户界面基于 Synthea 框架构建，旨在克服阻碍使用真实患者数据进行机器学习基准测试的隐私和法律障碍。SYNRARE 允许以受控方式生成模拟罕见病特征的合成 EHR，使研究人员能够在特定条件下测试和开发诊断算法。 AI
影响 通过克服数据隐私限制，能够对罕见病诊断的机器学习算法进行更稳健的基准测试。
排序理由 该集群描述了一篇详细介绍用于生成机器学习基准测试合成数据的软件工具的新论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2607.09404v1 Announce Type: new Abstract: Motivation: Rare disease (RD) diagnosis is frequently delayed due to the similarities in symptoms to common disease variants. Machine Learning Algorithms applied to Electronic Health Records show promise for accelerating the diagnos…
Motivation: Rare disease (RD) diagnosis is frequently delayed due to the similarities in symptoms to common disease variants. Machine Learning Algorithms applied to Electronic Health Records show promise for accelerating the diagnosis; however, legal and privacy concerns pose sig…