이 연구는 전자 건강 기록(EHR) 데이터를 위한 공유 기반 모델의 적응성을 다기관에서 평가했다. 주요 내용은 다음과 같다:
스탠포드 의과대학에서 개발한 외부 기반 모델(FMSM)을 SickKids와 MIMIC-IV 데이터셋에 적용했다.
FMSM을 현지 데이터로 지속적으로 사전 학습(continued pretraining)하면 기존 기준 모델(GBM)보다 예측 성능이 향상되었다. 특히 적은 수의 레이블 데이터로도 GBM과 동등한 성능을 달성할 수 있었다.
지속적 사전 학습은 처음부터 현지 기반 모델을 학습하는 것보다 60-90% 더 적은 환자 데이터로도 동등한 성능을 달성할 수 있었다.
외부 기반 모델(FMSM)이 현지 기반 모델(FMSK, FMMIMIC)보다 다른 병원 데이터에 더 잘 적응하는 것으로 나타났다.
이 결과는 공유 EHR 기반 모델을 활용하면 병원 간 예측 성능을 향상시키면서도 비용을 절감할 수 있음을 보여준다. 또한 기존 모델의 지속적 사전 학습이 처음부터 모델을 학습하는 것보다 더 효율적임을 확인했다.
In eine andere Sprache
aus dem Quellinhalt
arxiv.org
Wichtige Erkenntnisse aus
by Lin Lawrence... um arxiv.org 04-24-2024
https://arxiv.org/pdf/2311.11483.pdfTiefere Fragen