English(EN) Are Joint-Embedding Predictive Objectives Effective for Longitudinal EHRs?

新研究质疑JEPA在电子健康记录表示学习中的有效性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-22 04:00

一篇新的研究论文探讨了联合嵌入预测架构（JEPAs）在从纵向电子健康记录（EHRs）中学习表示的有效性。尽管训练稳定，但研究中调查的JEPA模型在MIMIC-IV数据集上的表现始终不如标准的掩码语言模型（MLM）。研究结果表明，虽然可以实现潜在空间的预测，但这不足以在电子健康记录表示学习方面取得有竞争力的结果，凸显了定义临床相关潜在目标所面临的挑战。 AI

影响研究了医疗保健数据的替代表示学习方法，可能影响未来在临床环境中的AI应用。

排序理由一篇在arXiv上发表的研究论文，详细介绍了对电子健康记录数据机器学习目标的调查。[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 →

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; 一篇在arXiv上发表的研究论文，详细介绍了对电子健康记录数据机器学习目标的调查。[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, other; 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: 3 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Ashvin Gupta, Brendan Delaney, Alessandra Russo · 2026-10-22 04:00

联合嵌入预测目标对纵向电子健康记录是否有效？

arXiv:2610.29528v1 Announce Type: new Abstract: Masked language modelling (MLM) is the dominant pretraining objective for transformer encoders applied to longitudinal electronic health records (EHRs). However, reconstructing individual events may overemphasise noisy or weakly inf…

本文如何被排名

报道来源 [1]

联合嵌入预测目标对纵向电子健康记录是否有效？

相关实体

相关话题