MIEO：编码临床数据以增强心血管事件预测
机器学习
2025-10-14 v1 定量方法
摘要
随着临床数据的可用性日益增加，机器学习方法被用于从中提取知识并预测临床事件。尽管已有希望，但这些方法至少存在两个主要问题：标签数据稀缺和数据异构性导致缺失值。本文提出使用自监督自编码器来高效解决这些挑战。我们将该方法应用于心绌综合征患者的临床数据集。患者数据嵌入到潜在空间中，该空间由无标签数据构建，然后用于训练神经网络分类器以预测心血管死亡。结果表明，与直接将分类器应用于原始数据相比，平衡准确率得到改善，表明该解决方案在标签数据稀缺的条件下具有前景，尤其是当无标签数据可用性增加时。
引用
@article{arxiv.2510.11257,
title = {MIEO: encoding clinical data to enhance cardiovascular event prediction},
author = {Davide Borghini and Davide Marchi and Angelo Nardone and Giordano Scerra and Silvia Giulia Galfrè and Alessandro Pingitore and Giuseppe Prencipe and Corrado Priami and Alina Sîrbu},
journal= {arXiv preprint arXiv:2510.11257},
year = {2025}
}
备注
Presented in the Poster Session of Computational Intelligence methods for Bioinformatics and Biostatistics (CIBB) 2025