研究人员开发了一个新框架，通过将其与结构化的电子健康记录（EHR）数据对齐，来提高从文本中提取的临床时间线的准确性。这种检索增强的多模态方法首先在叙述中识别关键锚定事件以创建时间骨架，然后将其他事件放置在此结构上。该系统通过使用检索到的EHR数据作为外部时间证据，进一步完善了时间线，与仅文本方法相比，在绝对时间戳准确性和时间一致性方面取得了显著改进。 AI
影响 提高了临床数据分析中的时间准确性，可能带来更好的患者轨迹建模和风险预测。
排序理由 学术论文，详细介绍了用于临床时间线重建的新型多模态对齐框架。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
