研究人员开发了MILM，一个用于处理多模态不规则时间序列数据的大型语言模型。该模型将时间序列数据表示为XML三元组，并采用两阶段微调策略。第一阶段侧重于仅从采样模式中学习，第二阶段则整合观测值进行联合建模。MILM在电子健康记录数据集上表现出强大的性能，尤其是在预测院内死亡率方面，在缺失值场景下优于单阶段模型。 AI
影响 引入了一种利用LLM进行复杂时间序列分析的新方法，有望提高医疗保健领域的预测准确性。
排序理由 发布了一篇介绍新模型和方法论的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
Multimodal irregular time series (MITS) consist of asynchronous and irregularly sampled observations from heterogeneous numerical and textual channels. In healthcare, for example, patients' electronic health records (EHR) include irregular lab measurements and clinical notes. The…
Multimodal irregular time series (MITS) consist of asynchronous and irregularly sampled observations from heterogeneous numerical and textual channels. In healthcare, for example, patients' electronic health records (EHR) include irregular lab measurements and clinical notes. The…