医学 AI

DT-BEHRT: Disease Trajectory-aware Transformer for Interpretable Patient Representation Learning

DT-BEHRT：面向疾病轨迹的Transformer用于可解释的患者表示学习

Deyi Li, Zijun Yao, Qi Xu, Muxuan Liang, Lingyao Li, Zijian Xu, Mei Liu

机构 * University of Florida（佛罗里达大学） ； University of Kansas（堪萨斯大学） ； MD Anderson Cancer Center（MD安德森癌症中心） ； University of South Florida（佛罗里达州立大学） 纠错

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG

AI总结 DT-BEHRT通过建模疾病轨迹和异步进展模式，提升EHR中患者表示的可解释性和预测性能。

Don't Disregard the Data for Lack of a Likelihood: Bayesian Synthetic Likelihood for Enhanced Multilevel Network Meta-Regression

不要因缺乏似然而忽视数据：用于增强多级网络元回归的贝叶斯合成似然

Harlan Campbell, Charles C. Margossian, Jeroen P. Jansen, Paul Gustafson

专题命中 临床大模型 ：pathology(abstract)

AI总结 本文提出利用贝叶斯合成似然方法解决多级网络元回归中缺失数据问题，通过合成似然提升模型性能，展示其在银屑病试验网络中的应用效果。