研究人员开发了一个名为Graph-in-Graph (GiG) 的新深度学习框架，旨在改进临床数据分析，特别是在患者样本有限的情况下。GiG将生物知识图谱直接整合到患者表示学习过程中，保留了关键的基因-基因相互作用和通路拓扑结构。在五个临床任务和近9700名患者的数据上，GiG与现有方法相比表现出更优越的性能，在样本效率和准确性方面取得了显著提升，例如在前列腺癌诊断的宏观F1分数上提高了49个百分点。 AI
影响 提高了临床AI的样本效率和准确性，尤其是在数据有限的情况下。
排序理由 详细介绍临床数据分析AI新方法的学术论文。[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 →