通用实验室模型：基于常规检查的异常临床结局预测
机器学习
2025-06-19 v1 定量方法
摘要
临床实验室检查结果在任何诊断中都无处不在。基于已执行检查的结果预测未开具检查的异常值看起来很吸引人，因为这可能使每个人都能获得早期诊断。血常规检查（CBC）占据特殊地位，因为它是应用最广泛的临床程序。将常规生化组合与CBC结合，呈现出一组随患者而异的测试-值对，或者在常见设置中，一个带有缺失值的表格。在此，我们将表格建模问题表述为集合翻译问题，其中源集由GPT式的标签列嵌入及其对应值组成的对构成，而目标集仅由相同类型的嵌入构成。所提出的方法能够有效处理缺失值而无需隐式估计它们，并将LLM的世界与表格领域桥接起来。将该方法应用于临床实验室数据，我们在联合预测高尿酸、葡萄糖、胆固醇和低铁蛋白水平方面实现了高达8%的AUC提升。
引用
@article{arxiv.2506.15330,
title = {Universal Laboratory Model: prognosis of abnormal clinical outcomes based on routine tests},
author = {Pavel Karpov and Ilya Petrenkov and Ruslan Raiman},
journal= {arXiv preprint arXiv:2506.15330},
year = {2025}
}
备注
7 pages, 2 figues