基于大上下文电子病历的自动心血管风险管理分类
计算与语言
2026-03-11 v1 人工智能
信息检索
摘要
为克服 geriatric Cardiovascular Risk Management 中手动行政编码的局限性，本研究引入一种自动化分类框架，利用非结构化电子健康记录（EHR）中的信息。我们使用 3,482 名患者的数据集，对纵向荷兰临床叙述文本进行基准测试，评估三种不同的建模范式：经典机器学习基线方法、针对大上下文序列优化的专用深度学习架构，以及在零样本设置下的通用大型语言模型（LLM）。此外，我们评估了一种晚期融合策略，用于整合非结构化文本与结构化药物嵌入及生物测量数据。我们的分析表明，定制 Transformer 架构超越了传统方法和生成式 LLM，取得了最高的 F1 分数和 Matthews相关系数。这些发现凸显了在捕捉医学文本中长程依赖关系方面，专用层次注意力机制的关键作用，为临床风险分层提供了稳健的自动化替代方案。
引用
@article{arxiv.2603.09685,
title = {Automatic Cardiac Risk Management Classification using large-context Electronic Patients Health Records},
author = {Jacopo Vitale and David Della Morte and Luca Bacco and Mario Merone and Mark de Groot and Saskia Haitjema and Leandro Pecchia and Bram van Es},
journal= {arXiv preprint arXiv:2603.09685},
year = {2026}
}
备注
17 pages, 3 figures, 5 tables