P-CAFE：面向电子健康记录的个性化成本感知增量特征选择

电子健康记录（EHR）通过将患者数据数字化、提高可访问性并简化临床工作流程，彻底改变了医疗保健。然而，从这些复杂且多模态的数据集中提取有意义的见解对研究人员来说仍然是一个重大挑战。传统的特征选择方法常常难以应对 EHR 数据固有的稀疏性和异质性，尤其是在考虑临床应用中的患者特异性差异和特征成本时。为了解决这些挑战，我们提出了一个专门为 EHR 数据集量身定制的新型个性化、在线且成本感知的特征选择框架。该框架以在线方式为个体患者获取特征，并纳入预算约束和特征可变成本。该框架旨在有效管理稀疏和多模态数据，确保在多样化的医疗保健环境中具有鲁棒且可扩展的性能。我们提出的方法的一个主要应用是支持医生在患者筛查场景中的决策。通过引导医生在预算约束内逐步获取最具信息量的特征，我们的方法旨在提高诊断置信度，同时优化资源利用。