研究人员开发了一种方法，将表格基础模型应用于临床生存分析，这是一项对预测死亡率等事件发生时间至关重要的任务。该方法包括在像TabPFN、TabDPT和TabICL这样的模型预训练表示之上训练一个生存感知的头部。在公共基准和大型ICU数据集上，经过适应的模型表现出具有竞争力或更优越的性能，优于现有基线。 AI
影响 这项研究通过利用预训练的表格模型，为临床生存预测提供了一种更有效、更实用的方法。
排序理由 该集群包含一篇详细介绍新研究方法和实验结果的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2606.12006v1 Announce Type: cross Abstract: Predicting time-to-event outcomes such as mortality is a fundamental task in clinical decision-making, commonly addressed through survival analysis. While classical statistical and deep learning approaches have been widely studied…
Predicting time-to-event outcomes such as mortality is a fundamental task in clinical decision-making, commonly addressed through survival analysis. While classical statistical and deep learning approaches have been widely studied, they typically require task-specific training an…