新的图变换器模型增强了用于临床预测的EHR数据分析

研究人员开发了MiGHT-EHR，一种新颖的多任务图变换器，用于处理异构时间序列电子健康记录（EHR）。该方法构建了一个图，其中节点代表临床实体，边连接统计相关的实体。在MIMIC-III和MIMIC-IV数据集上进行测试，MiGHT-EHR在四个预测任务上表现出色：药物推荐、住院时长预测、死亡率预测和再入院预测，在死亡率和再入院预测方面表现尤为突出。学习到的表示也揭示了临床上可解释的结构，通过结果对患者邻域进行组织，并保留了特定任务的信息。 AI

影响 该模型有望提高医疗保健AI应用中的临床预测准确性和可解释性。

排序理由 该集群描述了一篇关于处理电子健康记录的新颖模型的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• EHRs
• MiGHT-EHR
• MIMIC-III
• MIMIC-IV

• 论文
• 模型发布
• 其他

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