基于 Sentence-BERT 的抗生素抗性模式预测：一种机器学习方法
计算与语言
2025-09-19 v1
摘要
抗生素抗性在住院环境中构成重大威胁，导致高死亡率。我们使用 MIMIC-III 数据集，从临床记录生成 Sentence-BERT 嵌入，并应用神经网络和 XGBoost 预测抗生素敏感性。XGBoost 实现的平均 F1 分数为 0.86，而神经网络得分为 0.84。这一研究是首次使用文档嵌入预测抗生素抗性的研究之一，为改善抗菌药物 stewardship 提供了新方法。
引用
@article{arxiv.2509.14283,
title = {Predicting Antibiotic Resistance Patterns Using Sentence-BERT: A Machine Learning Approach},
author = {Mahmoud Alwakeel and Michael E. Yarrington and Rebekah H. Wrenn and Ethan Fang and Jian Pei and Anand Chowdhury and An-Kwok Ian Wong},
journal= {arXiv preprint arXiv:2509.14283},
year = {2025}
}