研究提出疾病轨迹临床新颖性两级优先框架
热点事件持续更新
研究提出疾病轨迹临床新颖性两级优先框架
2 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
研究团队提出一个两级框架，对上游流水线从 MIMIC-IV v3.1 数据中发现的 99,527 个分支模体（branching motif）按临床新颖性排序，将路径级与节点到终点的语义稀疏性，同经可靠性调整后的临床优先级分开处理。 该上游流水线先拆分患者再构建图，仅用训练集学习连续入院转移，并在验证集上选定端点专属的分支模体策略后将其冻结。 在冻结目录 q90 高语义子组中，研究称分支增强预测将条件事件时间 MAE 降低 20.1 天（95% CI 13.3–27.0），sMAPE 降低 2.37 个百分点；语义剂量分析未支持分数与预测收益之间存在单调关系。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
基于图增强的纵向电子健康记录疾病轨迹发现与时间终点预测事件进展
2 个进展
- 10月15日 12:00 · 1 篇报道图增强疾病轨迹发现与终点预测研究arXiv cs.LG：基于图增强的纵向电子健康记录疾病轨迹发现与时间终点预测
- 10月15日 12:00 · 1 篇报道提出疾病轨迹临床新颖性两级优先框架arXiv cs.LG：基于纵向电子健康记录发现疾病轨迹的两级临床新颖性优先级框架
报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.LG基于图增强的纵向电子健康记录疾病轨迹发现与时间终点预测
研究团队在 MIMIC-IV v3.1 上提出图增强框架，先拆分患者再构建图，学习仅训练集的连续入院转移，最终得到 99,527 个分支模体，并用时间感知 Transformer 通过端点专属交叉注意力为每个终点检索最多 24 个患者兼容模体。
- arXiv cs.LG基于纵向电子健康记录发现疾病轨迹的两级临床新颖性优先级框架
研究提出一个两级框架，对MIMIC-IV v3.1流水线发现的99,527个分支motif进行临床新颖性优先级排序，将路径级与节点到终点的语义稀疏性与可靠性调整后的临床优先级分离。在冻结目录q90高语义子组中，分支增强预测将条件事件时间MAE降低20.1天（95% CI 13.3-27.0），sMAPE降低2.37个百分点。语义剂量分析未支持分数与预测收益间的单调关系。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。