新算法使用二元标签增强电子健康记录表型分析

研究人员开发了 Binary PheNorm，这是 PheNorm 算法的一个扩展，旨在更有效地利用电子健康记录 (EHR) 中的二元银标签进行可计算表型分析。与适用于计数型标签的原始 PheNorm 不同，Binary PheNorm 直接将二元指标（如 NLP 提及或药物标志）纳入其去噪过程。这种方法可以产生连续的表型分数，而无需期望最大化校准，并且可以与基于计数的标签结合以提高性能。在临床模拟中，Binary PheNorm 在过敏反应和急性胰腺炎等疾病的区分方面表现出显著的改进，优于简单的基于指标的方法。 AI

影响 通过提高从二元数据中提取表型的准确性，增强了电子健康记录在研究中的效用。

排序理由 该集群包含一篇学术论文，详细介绍了计算表型分析领域的一种新方法。 [lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

• acute pancreatitis
• anaphylaxis
• Binary PheNorm
• electronic health records
• natural language processing
• PheNorm

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →