基于掩码自编码器的化验值表示学习

准确插补电子健康记录(EHR)中缺失的化验值，对于实现稳健的临床预测和减少医疗 AI 系统中的偏见至关重要。现有方法（如 XGBoost、softimpute、GAIN、期望最大化(EM) 和 MICE）难以建模 EHR 数据中复杂的时间与上下文依赖关系，尤其是在代表性不足的群体中。在本工作中，我们提出了 Lab-MAE，一种基于 Transformer 的掩码自编码器新框架，利用自监督学习对连续序列化验值进行插补。Lab-MAE 引入了一种结构化编码方案，联合建模化验值及其对应的时间戳，从而能够显式捕获时间依赖关系。在 MIMIC-IV 数据集上的实证评估表明，Lab-MAE 在均方根误差(RMSE)、决定系数(R2)和 Wasserstein 距离(WD)等多个指标上均显著优于 XGBoost、softimpute、GAIN、EM 和 MICE 等最先进的基线方法。值得注意的是，Lab-MAE 在不同人口统计学特征的患者群体中均实现了公平的性能，促进了临床预测的公平性。我们进一步研究了随访化验值作为潜在捷径特征的作用，揭示了 Lab-MAE 在此类数据不可用场景下的鲁棒性。研究结果表明，我们适应 EHR 数据特征的基于 Transformer 的架构，为更准确、更公平的临床插补提供了基础模型。此外，我们测量并比较了 Lab-MAE 与 XGBoost 模型的碳足迹，突出了其环境需求。