面向公共电子健康记录的数据集评估基础模型
机器学习
2025-07-22 v1 人工智能
摘要
基础模型作为处理电子健康记录（EHRs）的强大方法，能够灵活地处理多样化的医疗数据模态。本研究提出了一套全面的基准测试，评估基础模型在预测性能、公平性和可解释性方面的表现，既作为单模态编码器，也作为多模态学习器，采用公开的MIMIC-IV数据库。为支持一致且可复现的评估，我们开发了标准化的数据处理管道，将异构临床记录整合为分析就绪格式。我们系统地比较了八个基础模型，包括单模态和多模态模型，以及特定于领域和通用型变体。我们的发现表明，纳入多个数据模态会导致预测性能的持续性提升，且不会引入额外的偏见。通过本基准测试，我们旨在支持开发有效且可信赖的多模态人工智能（AI）系统，以服务于实际临床应用。我们的代码已发布于https://github.com/nliulab/MIMIC-Multimodal。
引用
@article{arxiv.2507.14824,
title = {Benchmarking Foundation Models with Multimodal Public Electronic Health Records},
author = {Kunyu Yu and Rui Yang and Jingchi Liao and Siqi Li and Huitao Li and Irene Li and Yifan Peng and Rishikesan Kamaleswaran and Nan Liu},
journal= {arXiv preprint arXiv:2507.14824},
year = {2025}
}