HgbNet: 从 EHR 数据预测血红蛋白水平 / 贫血程度

原文约200字，阅读约需1分钟。发表于：。

利用电子健康记录数据，我们引入了 HgbNet 预测模型用于血红蛋白水平和贫血程度的预测，该模型通过模拟临床医生的决策过程，利用缺失值处理机制和注意力机制来处理 EHR 数据中的缺失和时间间隔不规则问题，结果表明 HgbNet 优于基线模型，在贫血诊断方面具有潜在的非侵入性和提高生活质量的潜力。

本研究提出了一种基于多任务循环神经网络和注意机制的方法，用于预测心血管事件。该模型在预测中风和心肌梗死方面表现更好，并通过多任务学习提升了短期预测效果。研究还探讨了个体特征和注意力权重对预测心血管事件的重要性，并证明了机器学习技术在二级保健中的应用。