研究提出图增强框架预测电子健康记录疾病轨迹
发生了什么
据arXiv cs.LG论文，研究者开发了一种图增强框架，利用MIMIC-IV v3.1数据从纵向电子健康记录中预测疾病轨迹。该框架构建包含99,527个分支基序的目录，并通过时间感知Transformer检索患者兼容基序。在五个训练种子中，micro-AUPRC从0.9330增至0.9357，事件时间MAE从676.9天降至657.7天（减少19.2天）。对于730天后发生的事件，MAE改善58.9天。
- 最终基序数量
- 99,527
- MAE减少量
- 19.2天
- 730天后事件MAE改善
- 58.9天
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口