标签
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。
本文介绍了xMICD，一种将ICD代码分组与预训练嵌入相似性相结合的方法，以创建低维、临床可解释的患者表示，其预测性能可与基于嵌入的方法相媲美。
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。