面向高效问答的电子健康记录的双曲模型（HypEHR）
人工智能
2026-04-24 v1
摘要
电子健康记录（EHR）问答通常由基于LLM的管道处理，部署成本高昂且未充分利用临床数据的层级结构。基于医学本体和患者轨迹显示双曲几何特征，本文提出HypEHR，一种紧凑的洛伦兹模型，将代码、就诊和问题嵌入双曲空间，通过几何一致的交叉注意力机制结合类型特定的指针头来回答查询。HypEHR采用下一诊疗预测和层级感知正则化进行预训练，以与ICD本体对齐表示。在两个基于MIMIC-IV的EHR问答基准测试中，HypEHR接近基于LLM的方法，却使用了远少的模型参数。我们的代码已公开于https://github.com/yuyuliu11037/HypEHR。
引用
@article{arxiv.2604.21027,
title = {HypEHR: Hyperbolic Modeling of Electronic Health Records for Efficient Question Answering},
author = {Yuyu Liu and Sarang Rajendra Patil and Mengjia Xu and Tengfei Ma},
journal= {arXiv preprint arXiv:2604.21027},
year = {2026}
}
备注
Accepted by Findings of ACL 2026