使用临床伪笔记的急诊科决策支持
计算与语言
2025-07-08 v2
摘要
在这项工作中，我们介绍了用于EHR的多重嵌入模型（MEME），这是一种利用伪笔记将多模态EHR表格数据序列化为文本的方法，模拟临床文本的生成。这种转换不仅更好地保留了分类数据的表示并学习了上下文，而且能够有效地利用预训练基础模型进行丰富的特征表示。为了解决上下文长度的潜在问题，我们的框架分别对每种EHR模态的嵌入进行编码。我们通过将MEME应用于多个医院系统急诊科内的多个决策支持任务，展示了其有效性。我们的研究结果表明，MEME优于传统机器学习、EHR专用基础模型和通用LLM，突显了其作为一种通用且可扩展的EHR表示策略的潜力。
引用
@article{arxiv.2402.00160,
title = {Emergency Department Decision Support using Clinical Pseudo-notes},
author = {Simon A. Lee and Sujay Jain and Alex Chen and Kyoka Ono and Jennifer Fang and Akos Rudas and Jeffrey N. Chiang},
journal= {arXiv preprint arXiv:2402.00160},
year = {2025}
}