11:44
官方账号arXiv cs.LG@Guan Qiang, Yushen Chen, Tianlong Liu, David Rotenberg, Ethan H. Kim, Fang Fang
推荐理由：这篇论文做了个急诊分诊模型，数据残缺时也能给预测打个置信分，拿不准就推迟判断，还用MIMIC-IV-ED实测过，挺实在的。
MIMIC-IV-ED
共 1 条相关 AI 资讯
8月5日
11:44
CRS-Triage是一个面向急诊分诊的机器学习模型，能在电子健康档案数据不完整、不可靠或不一致时预测患者 acuity 等级并给出置信度。模型分别评估结构化数据和临床文本的可靠性，再联合两模态一致性来估计预测置信度。通过设定阈值，模型可选择性决定是自行决策还是延迟处理，以减少高风险患者漏诊。在 MIMIC-IV-ED 数据集上，CRS-Triage 表现出强预测性能，并提供更优的风险-覆盖率权衡。