MIMIC-III, a freely accessible critical care database
PulseAugur coverage of MIMIC-III, a freely accessible critical care database — every cluster mentioning MIMIC-III, a freely accessible critical care database across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新AI框架通过双重注意力增强药物推荐
研究人员开发了GraphDiffMed，一个用于从电子健康记录中推荐药物组合的新框架。该系统使用双尺度差异注意力机制来过滤患者就诊内部和跨就诊的噪声，同时还整合了药物相互作用等药理学知识。在MIMIC-III数据集上的实验表明，与现有方法相比，GraphDiffMed提高了推荐的质量和安全性。
-
新框架将临床文本与电子健康记录数据对齐，实现精确时间线
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。
-
大型语言模型通过文本归因知识图谱增强医学概念表示
研究人员开发了MedCo框架，该框架利用大型语言模型来增强知识图谱中的医学概念表示。该方法通过推断缺失的关系并整合文本中的丰富语义信息，解决了现有医学本体的局限性。MedCo生成节点描述和边解释，将文本语义与图结构融合，创建统一的概念嵌入，从而改进下游临床预测任务。
-
研究人员将物理模型与机器学习相结合，以改进无创血压监测
研究人员开发了一种新颖的混合方法，将 Windkessel 模型与机器学习相结合，以改进无创血压监测。该方法将物理原理整合到数据驱动的模型中，增强了它们的可解释性和临床适用性。该技术将 Windkessel 模型重新构建为可供神经网络使用的形式，创建了一个物理信息驱动的常微分方程组。与纯数据驱动的机器学习模型相比，该混合系统旨在提供更稳健且易于理解的血压预测。
-
零样本 LLM 在 MIMIC-III 以外的临床文本分割方面展现出潜力
研究人员开发了一种将临床笔记分割成章节的新方法，这有助于决策和 NLP 任务。他们创建了一个新的妇产科数据集来补充现有的 MIMIC-III 等数据集，从而能够比较监督式和零样本模型。虽然监督式模型在其训练领域内表现良好，但零样本模型在提供其生成的章节标题得到纠正的情况下，对新领域的适应性更好。