arXiv：cs.LG（机器学习，全量分类）· Silas Ruhrberg Est\'evez, Kara Liu, Christopher Chiu, Benjamin Atta Owusu, Umesh Kadam, Russ B. Altman, Mihaela van der Schaar·· 1 天前AI 评分40
EHRFlow：从电子健康记录中学习连续患者轨迹
Learning Continuous Patient Trajectories from Electronic Health Records
AI 导读
EHRFlow 是一个多边际流匹配框架，以编码后的患者病史为条件，让未来动力学依赖患者既往临床轨迹，支持不规则观测时间和任意时间跨度预测。在超过一百万患者的真实临床数据集（含独立外部验证队列）上，其 horizon 平均 top-5 临床代码准确率优于自回归与历史无关的流匹配基线。在受控反事实模拟中，条件引导无需训练任务特定结局模型即可近似抗高血压干预的已知效应。
来源：arXiv：cs.LG（机器学习，全量分类） · arxiv.org