PulseAugur
中
实时 11:12:09
English(EN) Scaling Electronic Health Record Foundation Models for Population Health Management

新的电子健康记录基础模型可预测美国和台湾人群的慢性病

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的人电子健康记录（EHR）基础模型，用于大规模慢性病预测。该模型在来自台湾和美国超过500万患者的数十亿次医疗事件上进行训练，利用统一的代码对齐框架来处理数据异质性。该模型展示了强大的扩展能力，拥有高达24亿参数的版本，并在11项慢性病预测任务上优于现有的基于树的模型和通用语言模型。它在EHRShot基准测试中也表现出强大的少样本泛化能力，即使在存在显著分布偏移的情况下也是如此，并突出了对齐的跨系统数据在数据受限的医疗保健环境中进行预训练的好处。 AI

影响 该模型在不同患者群体和医疗保健系统中进行泛化的能力，有可能显著改善全球人口健康管理和慢性病预测。

排序理由 该集群包含一篇详细介绍新模型及其在基准测试中性能的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

新的电子健康记录基础模型可预测美国和台湾人群的慢性病

本文如何被排名

Signal score
1 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群包含一篇详细介绍新模型及其在基准测试中性能的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, model release, product
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
1 days old
Coverage has settled into its steady-state source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Liwen Sun, Hao-Ren Yao, Ophir Frieder, Xiang Qian, Chenyan Xiong ·

    扩展电子健康记录基础模型以实现人口健康管理

    arXiv:2506.00209v3 Announce Type: replace-cross Abstract: Population health management requires scalable methods to identify individuals at risk of chronic diseases such as cardiovascular conditions and cancer, yet existing approaches rely on fragmented data and resource-intensiv…

相关实体

相关话题