10:30
官方账号arXiv cs.LG@Jun Ni Du, Lukas Adamek, Maxim Kryukov, Flavio Dormont, Ziv Bar-Joseph, Sven Jager, Brandon Rufino
推荐理由：BERT-LER模型在临床预测任务中表现出色，结合了实验室值表示和可解释性，适用于多个治疗领域和预测任务，值得一看。
电子健康记录
共 3 条相关 AI 资讯
8月21日
10:30
BERT-LER模型通过将实验室测试结果编码为离散标记，并使用百分位数分组保留分级信息，结合集成梯度进行基于输入EHR序列的标记级归因，在EHRShot基准套件和哮喘严重程度进展研究中取得了与公开基准模型相媲美的预测性能。该模型在实验室相关任务上往往超过公开基准模型，并提供了与临床已知风险因素一致的归因。
7月8日
10:02
10:02
官方账号arXiv cs.LG@Jie Huang, Pengfei Yin, Zihan Xu, Daniel Capurro, Mike Conway, Ting Dang
推荐理由：这篇论文用Transformer代理模型给医疗AI做局部解释，还能直接对齐临床知识，让黑箱诊断更可信。
5月29日
11:08
11:08
官方账号arXiv cs.AI@Valentina Bui Muti, Eugénie Dulout, Ziquan Fu
推荐理由：这项研究解决了临床AI评估中数据格式不匹配的痛点，做医疗AI或临床决策支持的团队可以直接用这个数据集和流水线来测试模型在真实EHR环境下的表现。