HiSTOR：高维纵向数据的治疗-结局表示学习框架

Chuanqi Lao、Junzhou Huang 与 Qiao Liu 提交预印本论文，提出 HiSTOR 框架，将非线性降维与纵向反事实预测整合为端到端方法，学习患者当前状态与演化历史的结构化低维表示，以同时应对协变量高维度和历史复杂性。 论文称，在 CVSim 和 CancerSim 两个模拟数据集上，HiSTOR 在不同协变量维度、混杂强度和预测步长下均优于现有方法，并支持在指定治疗序列下进行单步与多步结局预测。这些结果基于模拟数据，尚不构成真实临床环境中的验证结论。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。