基于 Transformer 的零样态健康轨迹预测
机器学习
2025-02-11 v1 人工智能
计算机与社会
摘要
将现代机器学习与临床决策集成具有巨大的潜力，有助于缓解医疗保健日益增加的成本和复杂性。我们引入了Enhanced Transformer for Health Outcome Simulation(ETHOS)，这是一种针对分析高维、异构且事件性健康数据应用Transformer深度学习架构的新方法。ETHOS使用患者健康时间线(PHTs)—详细的、标记的健康事件记录—来预测未来健康轨迹，利用零样态学习方法。ETHOS是健康分析领域基础模型发展的重大进步，无需标签数据和模型微调。其模拟各种治疗路径并考虑患者特定因素的能力，将ETHOS定位为优化护理和解决医疗交付偏见的工具。未来的发展将扩展ETHOS的能力，以整合更广泛的数据类型和数据源。我们的工作展示了一条加速AI在医疗保健领域开发和部署的路径。
引用
@article{arxiv.2407.21124,
title = {Zero Shot Health Trajectory Prediction Using Transformer},
author = {Pawel Renc and Yugang Jia and Anthony E. Samir and Jaroslaw Was and Quanzheng Li and David W. Bates and Arkadiusz Sitek},
journal= {arXiv preprint arXiv:2407.21124},
year = {2025}
}