医疗健康中的 Transformer：综述
人工智能
2024-11-25 v1 计算机与社会
机器学习
摘要
随着人工智能（AI）日益渗透社会包括医疗健康的各个方面，Transformer 神经网络架构的采用正迅速改变许多应用。Transformer 是一种深度学习架构，最初为求解通用自然语言处理（NLP）任务而开发，随后被适配于包括医疗健康在内的诸多领域。在本综述中，我们概述了该架构如何被用于分析多种数据形式，包括医学影像、结构化与非结构化电子健康记录（EHR）、社交媒体、生理信号以及生物分子序列。这些模型可辅助临床诊断、报告生成、数据重建以及药物/蛋白质合成。我们依据系统综述与荟萃分析优先报告条目（PRISMA）指南筛选相关研究。我们还讨论了在医疗健康中使用 Transformer 的益处与局限，并审视了计算成本、模型可解释性、公平性、与人类价值观的对齐、伦理影响以及环境影响等问题。
引用
@article{arxiv.2307.00067,
title = {Transformers in Healthcare: A Survey},
author = {Subhash Nerella and Sabyasachi Bandyopadhyay and Jiaqing Zhang and Miguel Contreras and Scott Siegel and Aysegul Bumin and Brandon Silva and Jessica Sena and Benjamin Shickel and Azra Bihorac and Kia Khezeli and Parisa Rashidi},
journal= {arXiv preprint arXiv:2307.00067},
year = {2024}
}