标签
本文提出了一种自监督的基于Mamba的模型，从电子健康记录中学习有效的表征以改进患者亚型分类，在真实世界数据集上展示了优于基线模型的性能。
本文介绍了LANTERN，这是一个神经网络框架，用于从不规则纵向数据中估计健康状态转移概率，并应用于长期护理保险。在严重残疾和死亡预测的区分度和校准方面，它优于传统方法。
LifeSentence通过对一项纵向面板研究（SOEP）的结构化自然语言记录进行微调，训练一个240亿参数的语言模型，在生命结果预测上取得了更优表现，并支持对人生传记进行反事实查询。
本综述论文提出了一个用于临床AI中干预感知疾病轨迹建模的统一框架，通过整合治疗混杂反馈和信息性观察模式来解决静态预测的失败。