SynEHRgy：使用仅解码器Transformer合成混合类型结构化电子健康记录
机器学习
2024-11-21 v1 人工智能
摘要
生成合成电子健康记录（EHRs）在数据增强、隐私保护数据共享以及改进机器学习模型训练方面具有巨大潜力。我们提出了一种专为结构化EHR数据量身定制的新型分词策略，该策略涵盖了多种数据类型，如协变量、ICD编码和不规则采样时间序列。使用类GPT的仅解码器Transformer模型，我们展示了高质量合成EHR的生成。我们的方法使用MIMIC-III数据集进行了评估，并在保真度、效用和隐私方面与最先进模型进行了基准比较。
引用
@article{arxiv.2411.13428,
title = {SynEHRgy: Synthesizing Mixed-Type Structured Electronic Health Records using Decoder-Only Transformers},
author = {Hojjat Karami and David Atienza and Anisoara Ionescu},
journal= {arXiv preprint arXiv:2411.13428},
year = {2024}
}