IGNITE：时间序列电子健康记录的个体化填补生成
内容提要
该文综述医疗多变量时间序列缺失数据填补方法：CSAI利用条件自注意力与知识嵌入处理缺失分布不均；TDI按临床模式动态加权迭代填补；语言模型将EHR生成转化为文本翻译；对比学习插补-预测网络用于住院死亡风险预测；TCK_IM核方法免插值直接利用缺失数据；时间与交织注意力融合多模态不规则序列；EVA与HALO生成合成EHR并保护隐私。基准测试表明无单一方法最优，需依数据特性选择。
延伸解读
方法选择需匹配数据特性
文章基准测试覆盖五个时间序列健康数据集和六种实验条件，结论是没有单一插补方法在所有数据集上最优。插补表现取决于数据类型、变量统计、缺失率和缺失类型。因此实际应用中不能盲目套用某一种方法，而应先分析自身数据的缺失模式，再选择或组合相应技术。
从插补到预测的端到端思路
文中多项工作将插补与下游任务结合：对比学习插补-预测网络直接用于住院死亡风险预测，TDI在MIMIC III和COVID-19数据上提升风险预测准确性。这提示评估插补质量时，除了看填补误差，还应关注其对临床预测任务的实际贡献，因为插补的最终目的往往是支撑决策。
免插值与生成式路径的取舍
TCK_IM核方法避免显式插值，直接利用缺失数据，并具备无标签学习的鲁棒性；EVA和HALO则生成合成EHR，后者强调保留统计特性且不泄露隐私，真实与合成数据结合还能提升模型表现。两条路径分别规避了插值偏差和隐私限制，但适用场景不同，需结合数据可用性与合规要求权衡。
Q&A
医疗时间序列数据缺失值填补有哪些主要方法？
文章综述了多种方法：CSAI利用条件自注意力与知识嵌入处理缺失分布不均；TDI按临床模式动态加权迭代填补；语言模型将EHR生成转化为文本翻译；对比学习插补-预测网络用于住院死亡风险预测；TCK_IM核方法免插值直接利用缺失数据；时间与交织注意力融合多模态不规则序列；EVA与HALO生成合成EHR并保护隐私。
CSAI模型是如何处理电子病历中缺失数据分布不均问题的？
CSAI基于变换器框架，引入针对医学时间序列数据的条件隐藏状态初始化，并整合先进的知识嵌入和非均匀掩蔽策略，从而灵活调整至电子病历中缺失数据的独特模式，专门针对医疗数据集中经常被忽视的缺失数据分布不平衡进行调整。
TDI方法在临床数据填补中有什么特点？
TDI是一种基于时间依赖的迭代插补方法，针对多变量和纵向数据，基于数据的临床模式（包括缺失率和测量频率）引入患者、变量和观察特定的动态加权策略。在MIMIC III和COVID-19住院病例测试中，TDI能提高风险预测的准确性。
如何利用语言模型生成电子健康记录？
文章提出一种基于语言模型将电子医疗记录（EHRs）的生成形式转化为文本翻译任务的方法，使得事件插入更加灵活。该方法通过提示学习根据数值和分类人口特征控制生成，评估了两个迷惑度度量（纵向和跨模态插值），并利用隐私保护评估的两个对手。在MIMIC-III数据上，平均纵向插补困惑度降低53.1%，平均跨模态插补困惑度降低45.3%。
TCK_IM核方法有什么优势？
TCK_IM是一种新的核方法，通过集成学习策略和新型混合贝叶斯混合模型，能够有效利用电子健康记录中的多变量时间序列的缺失数据，避免了插值方法的使用，具有无标签学习的鲁棒性。在三个真实世界的临床数据集上的实验证明了其有效性。
EVA和HALO在合成电子健康记录方面各有什么作用？
EVA是一种EHR变分自动编码器，用于合成离散EHR的序列和特征，可产生逼真的EHR序列，并能根据特定疾病条件进行条件编码。HALO是一种分层自回归语言模型，可生成长期的高维电子病历，既保留真实病历的统计特性又不泄露隐私，可用于训练准确的机器学习模型，并能通过结合真实和人造数据增强模型准确性。
选择缺失值插补方法时需要考虑哪些数据特性？
基准测试表明，没有单一的插补方法在所有五个数据集上表现最佳，插补表现取决于数据类型、变量统计、缺失率和类型。因此，在选择多变量时间序列数据的缺失值插补方法时，需要考虑数据的特定情况。
