EHR 中诊断与治疗的预测性多模态建模
机器学习
2025-08-18 v1
摘要
尽管 ICD 编码分配问题已被广泛研究, 大多数工作聚焦于出院后文档分类. 用于早期预测此信息的模型可用于识别健康风险、建议有效治疗或优化资源分配. 为解决使用患者住院初期有限信息进行预测建模的挑战, 我们提出了一种多模态系统用于融合电子健康记录中捕获的临床笔记和表格事件. 该模型集成了预训练编码器、特征池化和跨模态注意力机制, 在每个时间点学习最优表示并平衡各模态的存在. 此外, 我们提出了加权时间损失, 在每个时间点调整其贡献. 实验表明, 这些策略增强了早期预测模型, 超越当前最先进的系统.
引用
@article{arxiv.2508.11092,
title = {Predictive Multimodal Modeling of Diagnoses and Treatments in EHR},
author = {Cindy Shih-Ting Huang and Clarence Boon Liang Ng and Marek Rei},
journal= {arXiv preprint arXiv:2508.11092},
year = {2025}
}
备注
10 pages, 1 figure