PAREGTA: Временно знающая система представления пациентов на базе LLM для анализа EHR
arXiv:2602.19661v3 Вид уведомления: заменить резюме: временная информация в структурированных электронных медицинских записях (ЭПЧ) часто теряется при небольших одноразовых или графических представлениях, тогда как модели последовательности могут быть дорогостоящими и содержать данные. Мы предлагаем систему кодирования PAREGTA, основанную на LLM, которая: i) преобразует продольные события в EHR в шаблонный текст для посещений с четкими временными сигналами; ii) обучает адаптированным к доменам посещения путем легкой контрастной корректировки модели предложения и iii) агрегированные данные знакомятся с фиксированным представлением пациента при помощи гибридного временного объединения, которое охватывает как проверку соответствия, так и глобальные ознакомительные визиты. Полученные в результате этого фиксированные представления пациентов могут использоваться с использованием традиционных моделей машинного обучения ниже по течению. Для изучения чувствительности к фактору мы используем PAREGTA-RSS (Score) — заранее определенный анализ эмиссии фактора, который позволяет получить представление пациента после удаления клинической дефи.
