标签
Mr.Dec是一个基于Transformer的多模态模型，它通过序列化日常电子健康记录更新和胸部X光检查结果来预测30天医院再入院，并在MIMIC数据集上取得了最先进的性能。
这篇arXiv论文提出了一种数学与工程架构——几何信念接口（Geometric Belief Interface），用于通过logit边界和层-飞地协议实现安全的EHR互操作性，并通过一个狭窄的基准测试显示4B模型的覆盖率为零。
Introduces CliniCARE-Bench, a deployment-oriented benchmark for evaluating AI agents on clinical audit tasks over longitudinal EHR data, with 25 clinician-validated scenarios and 750 patient cases. It assesses verdict accuracy, evidence grounding, policy adherence, and calibrated abstention, finding that raw accuracy overstates investigation quality.
本文比较了五种用于阿片类药物使用障碍预测的EHR诊断编码特征选择方法，发现NTK敏感性在准确性和稳定性之间提供了最佳平衡，而LLM引导的选择补充了额外的临床相关信号。
提出了患者采样方法，这是一种用于电子健康记录基础模型的预训练序列构建方法，在MIMIC-IV数据集上相比标准全局流基线提升了下游任务性能，强调了序列构建在自回归健康模型中的重要性。
CardioMeta是一个校准的多任务框架，用于在NHANES和MIMIC-IV数据上联合预测糖尿病、高血压和心血管疾病，强调泄漏控制、校准和透明可靠性。
LLM4EHR 提出了一种临床基础模型，该模型通过领域自适应的大语言模型和正则化对比目标，在时间上对齐电子健康记录（EHR）时间序列与医疗事件序列，从而提升下游预测任务的性能。
本文提出了一种用于临床预测的显式多模态路由框架，利用EHR数据，通过离散的单模态、双模态和三模态路径，以及推理时路径掩码来模拟缺失模态，实现对结构化变量、临床笔记和胸部X射线的可解释、鲁棒且可审计的推理。
本文评估了检索增强生成（RAG）与长上下文提示在电子健康记录临床推理任务中的表现，发现RAG在令牌效率上具有竞争力，尤其在影像提取和抗生素时间线重建方面表现突出。
本文系统比较了在电子健康记录数据中Transformer的离散、连续和混合值编码策略，发现基于分箱的混合令牌方法具有稳健的性能，并推荐作为实用的默认选择。
PORTER是一种基于语言的结构化电子病历基础模型，通过文本描述和数值表示临床事件，能够实现跨机构的词汇无关迁移，无需重新训练。在儿科预测任务中，PORTER与固定词汇模型性能相当，并在迁移至未见事件描述时恢复了97.1%的AUROC。
介绍了 PhysAssistBench，这是一个用于评估 LLM 在交互式医生-患者-EHR 辅助中性能的基准。实验表明，当前模型在此场景下不可靠，凸显了协调能力的需求。
介绍了AIPatient Arena，一个基于电子健康记录的评估框架，用于评估大语言模型在临床能力的多个维度。研究揭示了在问诊和伦理方面的优势，但在处理模糊性和诊断准确性方面的弱点。
本文研究了在EHR基础模型中显式编码ICD-10-CM层级结构的方法，采用层级令牌增强和基于图结构的代码表示。在MIMIC-IV和eICU上的实验表明，与扁平代码表示相比，该方法在域内和跨数据集预测任务中均有改进。
本文介绍了一个轻量级、端到端的基准测试框架，用于可重复的合成电子健康记录（EHR）生成，将多个基线模型（MedGAN、CorGAN、PromptEHR、HALO）和一个GPT-2基线统一到单个流水线中，并配备严格的隐私-效用评估套件。
本文提出Traj-Evolve，一个自我进化的多智能体系统，它利用经验池和多智能体强化学习，从纵向电子健康记录中对患者轨迹进行建模，用于肺癌早期检测，性能优于强基线模型。
ChatHealthAI 是一个多模态推理框架，它将结构化 EHR 表示与冻结的 LLM 对齐，从而在保持预测性能的同时实现基于临床的推理。
本文介绍了EHR-ReasonCon，这是一个用于电子健康记录中临床笔记与结构化表格之间一致性验证的推理密集型基准，以及EHR-Inspector，一个基于大语言模型的框架，在检测差异方面实现了最先进的性能。
介绍TreeText-CTS，一种将不规则EHR轨迹转换为紧凑、可溯源树路径证据单元的方法，无需患者级摘要。在三个临床基准测试中，它在基于文本的EHR时间序列接口中实现了最先进的AUROC和AUPRC。