clinical-forecasting

论文提出了 EHRFlow，一个多边际流匹配框架，该框架以编码后的患者历史为条件，从不规则的电子健康记录中学习连续时间的患者轨迹。在包含超过一百万名患者的多个数据集上进行临床编码预测时，其表现优于自回归基线和不考虑历史的基线方法。

本文介绍了PGP-Clinical-TimeKAN，一种用于临床数据联合概率预测的轨迹优先框架，该框架在ICU数据集上评估，相比现有模型，在准确性和概率性能上有所提升。

本文介绍了ICD-Deepresearch，一个结合EHR基础模型与语言模型及医学搜索的系统，用于预测患者就诊的未来ICD代码，实现了比基线方法更高的准确性和医生评价的有用性。

MissHyper是一种新的超图预测模型，通过在消息传递之前聚合共时间戳记录来恢复临床同步性，在PhysioNet 2012、MIMIC-III和MIMIC-IV基准测试上取得了一致的性能提升。