NIH-TB

新的DIGOM框架增强了多模态医疗结果预测能力

研究人员开发了DIGOM，一个新颖的基于图的框架，旨在改进多模态医疗数据中的结果预测。DIGOM显式地建模了三种类型的交互：患者内跨模态、跨患者同模态以及跨患者跨模态。该框架学习一个具有解耦视图的稀疏多路图，实现端到端学习并选择信息丰富的关系。在MIMIC-IV和NIH-TB数据集上的五个临床预测任务中进行评估，DIGOM取得了最高的AUROC分数，同时证明了其对缺失模态的鲁棒性。