从入院文本预测 COVID-19 与肺炎并发症
计算与语言
2023-05-08 v1 人工智能
摘要
本文提出一种基于入院报告对因肺炎或 COVID-19 住院患者进行风险评估的新方法。我们将 Longformer 神经网络应用于入院报告及入院后不久可用的其他文本数据,以计算患者的风险评分。我们使用多家欧洲医院的患者数据证明,我们的方法优于 Transformer 基线。实验表明,所提模型可跨机构与诊断泛化。此外,我们的方法还具有文中描述的其他若干优势。
引用
@article{arxiv.2305.03661,
title = {Predicting COVID-19 and pneumonia complications from admission texts},
author = {Dmitriy Umerenkov and Oleg Cherkashin and Alexander Nesterov and Victor Gombolevskiy and Irina Demko and Alexander Yalunin and Vladimir Kokh},
journal= {arXiv preprint arXiv:2305.03661},
year = {2023}
}