ATHENA框架自动化EHR模型架构搜索

研究人员开发了ATHENA，一个新颖的知识引导式代理神经架构搜索（NAS）框架，专门用于基于Transformer的电子健康记录（EHR）建模。该系统旨在自动化模型架构的优化，而模型架构通常需要为临床预测任务进行大量的手动调整。ATHENA包含一个权重共享的超网和一个跨医院的架构先验，利用过去成功的模型设计和组件效应来指导多代理LLM搜索。在六项临床预测任务和两个健康系统中，ATHENA在有限的搜索预算内，与四个NAS基线相比，表现出具有竞争力的或更优的性能。 AI

影响 简化了医疗保健领域专业AI模型的开发，有可能提高临床预测的准确性和效率。

排序理由 该集群包含一篇详细介绍神经架构搜索新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.MA (Multiagent) 阅读 →

• AutoFormer
• electronic health records
• Hugging Face
• large language model
• neural architecture search
• SHapley Additive exPlanations
• Transformer

• 论文
• 模型发布
• 基础设施

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