Andrea Agostini

新型AI模型LAMAE整合多模态医疗数据以改进患者表征

研究人员开发了一种新的多模态AI模型，称为潜在注意力掩码自编码器（LAMAE），旨在从多样化的医疗数据中学习患者层面的表征。与以往通常单独处理模态的旧模型不同，LAMAE使用共享注意力模块直接在潜在空间中整合信息。这种方法使其能够处理缺失数据并聚合可变观测值，在对超过50万次MIMIC-IV住院记录进行训练后，其在预测院内死亡率和编码等任务上的表现优于现有方法。