CEHR-GPT：生成带有按时间顺序排列的患者时间线的电子健康记录
机器学习
2024-05-07 v2 人工智能
计算机与社会
摘要
合成电子健康记录（EHR）已成为推进医疗保健应用和机器学习模型的关键工具，特别是对于无法直接访问医疗数据的研究人员。尽管现有方法（如基于规则的方法和生成对抗网络（GAN））生成的合成数据类似于真实世界的EHR数据，但这些方法通常使用表格格式，忽略了患者病史中的时间依赖性并限制了数据复制。最近，人们对利用生成式预训练Transformer（GPT）处理EHR数据的兴趣日益浓厚。这使得疾病进展分析、人口估计、反事实推理和合成数据生成等应用成为可能。在这项工作中，我们专注于合成数据生成，并展示了使用源自CEHR-BERT的特定患者表示来训练GPT模型的能力，使我们能够生成可以无缝转换为观察性医疗结果合作伙伴关系（OMOP）数据格式的患者序列。
引用
@article{arxiv.2402.04400,
title = {CEHR-GPT: Generating Electronic Health Records with Chronological Patient Timelines},
author = {Chao Pang and Xinzhuo Jiang and Nishanth Parameshwar Pavinkurve and Krishna S. Kalluri and Elise L. Minto and Jason Patterson and Linying Zhang and George Hripcsak and Gamze Gürsoy and Noémie Elhadad and Karthik Natarajan},
journal= {arXiv preprint arXiv:2402.04400},
year = {2024}
}