研究人员开发了EHR2Path，这是一个新的多模态框架，旨在利用电子健康记录（EHRs）对医院环境中的完整患者路径进行建模和预测。该系统将包括报告、病历、生命体征和用药数据在内的各种临床数据整合到一个统一的时间表示中。EHR2Path采用掩码摘要瓶颈（Masked Summarization Bottleneck）来高效处理长期的临床病史，同时保留近期上下文，从而提高了性能和令牌效率。在MIMIC-IV数据集上的实验表明，EHR2Path在预测下一步和模拟整个住院轨迹方面具有能力，其表现优于现有的基线方法。 AI
影响 通过从EHR数据预测完整的住院轨迹，实现更积极主动和个性化的患者护理。
排序理由 该集群包含一篇详细介绍医疗保健数据新建模框架的学术论文。[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 →
