TCDiff：面向不完整临床数据的高保真多模态电子健康记录生成的三层级联扩散模型
机器学习
2025-08-05 v1 人工智能
摘要
大规模、高质量电子健康记录(EHRs)的稀缺仍是生物医学研究的主要瓶颈，尤其是随着大型基础模型对数据的需求日益增长。从现有数据集中合成大量去标识化且高保真的数据已成为一种有前景的解决方案。然而，现有方法存在一系列局限性：难以建模异构多模态 EHR 数据（如连续、离散和文本模态）的内在属性，捕捉它们之间的复杂依赖关系，以及鲁棒地处理普遍的数据不完整性。这些挑战在中医(TCM)领域尤为突出。为此，我们提出了 TCDiff（Triplex Cascaded Diffusion Network，三层级联扩散网络），一种新颖的 EHR 生成框架，它级联了三个扩散网络以学习真实世界 EHR 数据的特征，形成多阶段生成过程：参考模态扩散、跨模态桥接和目标模态扩散。此外，为了验证我们提出的框架，除了两个公开数据集外，我们还构建并引入了 TCM-SZ1，一个用于基准测试的新型多模态 EHR 数据集。实验结果表明，在各种缺失率下，TCDiff 在数据保真度方面比 SOTA 基线平均高出 10%，同时保持了具有竞争力的隐私保证。这凸显了我们的方法在真实世界医疗场景中的有效性、鲁棒性和泛化能力。
引用
@article{arxiv.2508.01615,
title = {TCDiff: Triplex Cascaded Diffusion for High-fidelity Multimodal EHRs Generation with Incomplete Clinical Data},
author = {Yandong Yan and Chenxi Li and Yu Huang and Dexuan Xu and Jiaqi Zhu and Zhongyan Chai and Huamin Zhang},
journal= {arXiv preprint arXiv:2508.01615},
year = {2025}
}