面向 SARS-CoV-2 后急性综合征患者的严重程度预测主动学习
机器学习
2025-07-01 v1 计算机与社会
摘要
后急性综合征（PASC）的长期影响是全球医疗系统面临的重大挑战。准确识别如住院和再感染等progression事件对于有效的患者管理和资源分配至关重要。然而，传统模型基于结构化数据训练，难以捕捉PASC的细微progression过程。本研究引入了首个公开的18名PASC患者队列，其中包含基于 Llama-3.1-70B-Instruct 的文本时间序列特征，并由临床专家标注临床风险。我们提出了一种主动注意力网络，用于预测临床风险并识别与风险相关的progression事件。通过将人类专长与主动学习相结合，我们旨在提高临床风险预测的准确性，并通过更少的标注实现progression事件的识别。最终目标是改善SARS-CoV-2患者的护理和决策。
引用
@article{arxiv.2506.22444,
title = {Active Learning for Forecasting Severity among Patients with Post Acute Sequelae of SARS-CoV-2},
author = {Jing Wang and Amar Sra and Jeremy C. Weiss},
journal= {arXiv preprint arXiv:2506.22444},
year = {2025}
}