PulseAugur
中
实时 13:25:36
English(EN) Retrieval-aligned Tabular Foundation Models Enable Robust Clinical Risk Prediction in Electronic Health Records Under Real-world Constraints

新的AWARE框架增强了电子健康记录的临床风险预测能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为AWARE的新框架，以利用电子健康记录改进临床风险预测。该框架通过使用监督嵌入学习和用于检索对齐表格模型的轻量级适配器，解决了数据不平衡和异构性等挑战。AWARE通过关注检索质量以及检索和推理过程之间的对齐，在预测罕见结局方面，尤其是在复杂数据集中，表现出显著的改进。 AI

影响 提高了临床环境中AI模型的准确性和稳健性，可能带来更好的患者预后。

排序理由 该集群包含一篇详细介绍临床风险预测新框架和基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Minh-Khoi Pham, Thang-Long Nguyen Ho, Thao Thi Phuong Dao, Tai Tan Mai, Minh-Triet Tran, Marie E. Ward, Una Geary, Rob Brennan, Nick McDonald, Martin Crane, Marija Bezbradica ·

    Retrieval-aligned Tabular Foundation Models Enable Robust Clinical Risk Prediction in Electronic Health Records Under Real-world Constraints

    arXiv:2604.01841v2 Announce Type: replace Abstract: Clinical prediction from structured electronic health records (EHRs) is challenging due to high dimensionality, heterogeneity, class imbalance, and distribution shift. While tabular in-context learning (TICL) and retrieval-augme…

相关实体

相关话题