研究人员开发了一种新的多模态路由框架，用于使用电子健康记录数据进行临床预测。该框架旨在通过明确定义不同数据模态（如结构化变量、临床笔记和胸部 X 光片）如何为预测做出贡献，来提高可解释性、鲁棒性和可审计性。该模型构建了多种路径，包括单模态、双模态和三模态路径，以捕捉数据源之间复杂的交互作用。此外，它还引入了一种路径掩蔽技术，用于模拟数据缺失并评估模型鲁棒性，而无需重新训练，从而深入了解决策过程。 AI
影响 该框架有望通过使临床预测模型更易于理解和审计，从而在医疗保健领域实现更透明、更值得信赖的 AI 应用。
排序理由 该集群包含一篇描述临床预测新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
