दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड पर एक जनरेटिव पूर्व-प्रशिक्षित ट्रांसफॉर्मर का उपयोग करके शून्य-शॉट चिकित्सा घटना की भविष्यवाणी

Created by
  • Haebom

लेखक

एकातेरिना रेडेकोप, ज़िचेन वांग, रुशिकेश कुलकर्णी, मारा प्लेज़र, आरोन चिन, हामिद रज़ा हसनज़ादेह, ब्रायन एल. हिल, मेलिका इमामी, विलियम स्पीयर, कोरी डब्ल्यू. अर्नोल्ड

रूपरेखा

यह शोधपत्र शून्य-शॉट पूर्वानुमान दृष्टिकोण का पहला व्यापक विश्लेषण प्रस्तुत करता है जो भविष्य की चिकित्सा घटनाओं की भविष्यवाणी करने के लिए इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड (ईएचआर) से अनुदैर्ध्य डेटा का लाभ उठाता है। हम एक नवीन पाइपलाइन प्रस्तुत करते हैं जो जीपीटी-आधारित पूर्व-प्रशिक्षित आधारभूत मॉडलों का उपयोग करके चिकित्सा अवधारणा पूर्वानुमान को एक उत्पादक मॉडलिंग कार्य के रूप में औपचारिक रूप देता है। पर्यवेक्षित शिक्षण दृष्टिकोणों के विपरीत, जिनमें व्यापक लेबल वाले डेटा की आवश्यकता होती है, हमारा दृष्टिकोण केवल पूर्व-प्रशिक्षित ज्ञान का उपयोग करके भविष्य की चिकित्सा घटनाओं की भविष्यवाणी करने में सक्षम बनाता है। हम कई समय खिड़कियों और नैदानिक ​​श्रेणियों में प्रदर्शन का मूल्यांकन करते हैं, यह प्रदर्शित करते हुए कि मॉडल कार्य पर्यवेक्षण के बिना संभावित लौकिक निर्भरताओं और जटिल रोगी प्रक्षेप पथों को पकड़ सकता है। हम विविध फेनोटाइप को पकड़ने और शून्य-शॉट पूर्वानुमान के साथ नैदानिक ​​परिणामों की मजबूती से भविष्यवाणी करने के लिए आधारभूत ईएचआर जीपीटी मॉडल की क्षमता को प्रदर्शित करते हैं,

Takeaways, Limitations

Takeaways:
ईएचआर डेटा का उपयोग करके शून्य-शॉट चिकित्सा घटना भविष्यवाणी की क्षमता का प्रदर्शन करना।
पारंपरिक पर्यवेक्षित शिक्षण विधियों की तुलना में अधिक कुशल और मापनीय पूर्वानुमान मॉडल प्रदान करता है।
विभिन्न नैदानिक ​​श्रेणियों और समयावधियों में मजबूत पूर्वानुमानात्मक प्रदर्शन प्राप्त करना।
नैदानिक ​​सेटिंग्स में पूर्वानुमानित स्वास्थ्य मॉडल की विविधता को बढ़ाना और कार्य-विशिष्ट प्रशिक्षण की आवश्यकता को कम करना।
Limitations:
विशिष्ट Limitations पर चर्चा का अभाव (पेपर में स्पष्ट रूप से उल्लेख नहीं किया गया है)
शून्य-शॉट प्रदर्शन की सामान्यता पर आगे अनुसंधान की आवश्यकता है।
विभिन्न ईएचआर डेटासेट पर प्रदर्शन मूल्यांकन की आवश्यकता है।
मॉडल की व्याख्या और विश्वसनीयता निर्धारित करने के लिए आगे अनुसंधान की आवश्यकता है।
👍