PulseAugur
中
实时 01:03:42
English(EN) PaReGTA: A Temporally Aware LLM-Based Patient Representation Framework for EHR Analytics

新的LLM框架PaReGTA增强了来自电子健康记录数据的患者表示

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了PaReGTA，一个利用大型语言模型（LLMs）从电子健康记录（EHRs）创建患者表示的新框架。该方法将纵向EHR数据转换为带有时间线索的文本，对领域特定的嵌入进行句子嵌入模型微调，并将这些聚合为固定维度的患者表示。PaReGTA旨在保留传统方法中丢失的时间信息，并在来自“All of Us Research Program”的偏头痛患者的回顾性分类任务中显示出有希望的结果，在AUC、准确率和F1分数方面优于其他方法。 AI

影响 该框架可以提高医疗保健领域患者数据分析的准确性和效率，可能带来更好的诊断工具和个性化治疗方案。

排序理由 该集群包含一篇详细介绍EHR分析新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 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LLM框架PaReGTA增强了来自电子健康记录数据的患者表示

本文如何被排名

Signal score
0 / 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EHR分析新框架的学术论文。[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
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
2 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.LG TIER_1 English(EN) · Kihyuk Yoon, Lingchao Mao, Catherine Chong, Todd J. Schwedt, Chia-Chun Chiang, Jing Li ·

    PaReGTA：一种基于时间感知的LLM的患者表示框架，用于EHR分析

    arXiv:2602.19661v3 Announce Type: replace Abstract: Temporal information in structured electronic health records (EHRs) is often lost in sparse one-hot or count-based representations, while sequence models can be costly and data-hungry. We propose PaReGTA, an LLM-based encoding f…

相关实体

相关话题