标签
本研究评估了机器学习模型在利用无创患者报告数据和尿液生物标志物对沙眼衣原体感染进行检测前风险分层中的应用，展示了适中的预测性能以及两种数据类型的互补价值。
本文提出了一种残差间隙感知变换器，将混合效应统计参考与基于变换器的残差学习相结合，利用ADNI临床和生物标志物历史数据预测24个月CDR-SB变化，在均方误差和相关性上均优于基线模型。