发现和量化多模态 EHR 数据中潜在因果源的教程
机器学习
2025-11-03 v2 应用统计
摘要
我们提供了一个易于理解的同行评审的、通用的因果机器学习管道，用于（i）发现大规模电子健康记录观察中的潜在因果源，以及（ii）量化这些因果源对临床结果的影响。我们展示了如何处理不完美的多模态临床数据，将其分解为概率独立的潜在源，并用于训练特定任务的因果模型，以便估计单个因果效应。我们总结迄今为止该方法两种真实世界应用的发现，以展示其在大规模医学发现中的通用性和实用性。
引用
@article{arxiv.2510.16026,
title = {A tutorial on discovering and quantifying the effect of latent causal sources of multimodal EHR data},
author = {Marco Barbero-Mota and Eric V. Strobl and John M. Still and William W. Stead and Thomas A. Lasko},
journal= {arXiv preprint arXiv:2510.16026},
year = {2025}
}
备注
Accepted at the 1st Multimodal Representation Learning for Healthcare EurIPS 2025 Workshop (https://multimodal-rep-learning-for-health.github.io/)