该文综述了利用电子健康记录处理缺失数据并预测住院风险的研究，涵盖对比学习插补、语言模型生成、条件自注意力填补、双变分自编码器及可解释机器学习等方法，在MIMIC等数据集上提升了插补与死亡预测性能。

可学习的提示作为伪填充：重新评估传统电子病历数据填充在下游临床预测中的必要性
BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证