基于 Transformer 的慢性肾病预后预测

慢性肾病 (CKD) 影响全球人口的近 10%，常常进展为终末期肾功能衰竭。准确的预后预测对于及时干预和资源优化至关重要。我们提出了基于 Transformer 的框架，用于预测使用 Seoul National University Hospital OMOP Common Data Model 中的多模态电子健康记录 (EHR) 的 CKD 进展。我们的方法 (**ProQ-BERT**) 集成了人口统计信息、临床信息和实验室数据，采用基于量化的标记化用于连续实验室值，并利用注意力机制实现可解释性。该模型采用遮蔽语言模型进行预训练，然后针对预测从 3a 阶段到第 5 阶段的二元分类任务进行微调，考虑不同跟踪和评估周期。对 91,816 名患者进行评估，我们的模型在 CEHR-BERT 上持续优异，短期预测的 ROC-AUC 最高可达 0.995，PR-AUC 最高可达 0.989。这些结果凸显了 Transformer 架构和时序设计选择在临床预后建模中的有效性，为个性化 CKD 护理提供了有前景的方向。