基于个性化在线自适应学习的神经临床事件序列预测

临床事件序列由数千个代表患者随时间就诊记录的医疗事件组成。为此类序列开发准确的预测模型对于定义患者状态表示和改善患者护理具有重要意义。学习良好的临床序列预测模型的一个重要挑战是患者特异性差异。基于潜在的临床并发症，每位患者的序列可能由不同的临床事件集合构成。然而，从此类序列中学习到的基于群体的模型可能无法准确预测患者特异性的事件序列动态。为解决该问题，我们开发了一种新的自适应事件序列预测框架，通过在线模型更新来学习调整其对个体患者的预测。