Zihan Liang

新框架解决多模态临床记录中的缺失数据问题

研究人员开发了一个新颖的因果表示学习框架，旨在处理多模态临床记录中的缺失数据。该框架解决了非随机模态缺失的挑战，即临床记录（如临床笔记、结构化数据或影像）的可用性受到临床决策的影响。提出的系统包括一个在考虑缺失模式的同时融合模态的组件，一个在学习的表示中保留模态信息的组件，以及一个用于纠正残余偏差的多任务预测模型。在 MIMIC-IV 和 eICU 数据集上的评估表明，在预测医院再入院和 ICU 入院方面有显著改进。