Jan, 2025

通过掩蔽自编码器进行实验室值的表征学习

TL;DR本研究解决了电子健康记录中缺失实验室值的准确插补问题,现有方法难以建模复杂的时间和语境依赖。我们提出的Lab-MAE框架通过自监督学习有效地建模连续实验室值的插补,显著优于现有基准,并在不同患者群体中实现公平的临床预测性能。研究表明,该模型不仅提升了准确性,还展现了对环境影响的考虑。