重访 MIMIC-IV 基准：使用语言模型进行电子健康记录实验
计算与语言
2025-04-30 v1
摘要
医疗领域缺乏标准化评估基准对于广泛采用和利用自然语言模型处理健康相关下游任务具有障碍。本文重新审视了一个公开可用的 MIMIC-IV 电子健康记录（EHR）基准，以解决此问题。首先，我们将 MIMIC-IV 数据集成到 Hugging Face datasets 库中，以便轻松共享和使用该集合。其次，我们研究了使用模板将 EHR 表格数据转换为文本的方法。使用在死亡预测任务上微调和零-shot LLM 的实验表明，微调的基于文本模型在对抗稳健的表格分类器方面具有竞争力。相比之下，零-shot LLM 在利用 EHR 表示形式方面难以发挥作用。这项研究凸显了医疗领域基于文本的方法的潜力，并指出了需要进一步改进的领域。
引用
@article{arxiv.2504.20547,
title = {Revisiting the MIMIC-IV Benchmark: Experiments Using Language Models for Electronic Health Records},
author = {Jesus Lovon and Thouria Ben-Haddi and Jules Di Scala and Jose G. Moreno and Lynda Tamine},
journal= {arXiv preprint arXiv:2504.20547},
year = {2025}
}