基于电子健康记录的预测模型最新进展
机器学习
2024-08-14 v2 人工智能
摘要
电子健康记录（EHR）系统的发展使得海量数字化患者数据的收集成为可能。然而，由于 EHR 数据的独特特性，利用其进行预测建模面临若干挑战。随着机器学习技术的进步，深度学习已在包括医疗保健在内的各种应用中展现出其优越性。本综述系统地回顾了近期使用 EHR 数据的基于深度学习的预测模型进展。具体而言，我们首先介绍 EHR 数据的背景，并给出预测建模任务的数学定义。然后，我们从多个角度对预测性深度模型进行分类和总结。此外，我们介绍了与医疗保健预测建模相关的基准测试和工具包。最后，我们通过讨论开放性挑战并提出未来研究的有前景方向来总结本综述。
引用
@article{arxiv.2402.01077,
title = {Recent Advances in Predictive Modeling with Electronic Health Records},
author = {Jiaqi Wang and Junyu Luo and Muchao Ye and Xiaochen Wang and Yuan Zhong and Aofei Chang and Guanjie Huang and Ziyi Yin and Cao Xiao and Jimeng Sun and Fenglong Ma},
journal= {arXiv preprint arXiv:2402.01077},
year = {2024}
}
备注
This paper has been accepted by IJCAI 24 Survey Track