本文提出了一种利用纵向结构化的电子健康记录（EHR）自动检测和预测氯吡格雷治疗失败的机器学习算法。通过将自然语言和结构化EHR进行类比，引入了自然语言处理（NLP）应用中的机器学习算法来构建处理失败检测和预测的模型。实验结果显示，基于Transformer的BERT模型在检测和预测任务中的性能优于词袋方法。

本文介绍了一种名为 PAGER 的系统性分析框架，可用于深度回归模型中的失败检测。PAGER 利用先验不确定性和非一致性评分来划分样本风险范围，并提供全面的模型错误分析。实验结果表明，PAGER 在合成和真实基准测试中表现出良好的有效性，能够识别精确泛化的区域并检测超出分布和支持范围的失败案例。