Conceptos Básicos
電子健康記録(EHR)データのマルチモーダル分析における新しいアプローチを提案する。
Resumen
EHRシステムは、構造化データと臨床ノートなどの非構造化データを含む多様な臨床データを保持している。
既存のEHRに焦点を当てた研究は、しばしば単一のモダリティに焦点を当てたり、異なるモダリティを単純な方法で統合したりしてきた。
マルチモーダル対照学習アルゴリズム(CLAIME)は、異なるモダリティ間で信号とノイズが分離された場合に最適な推定値を提供することが示されている。
Estadísticas
電子健康記録(EHR)データの効果的な統計解析に関する新しい手法が提案されています。
シミュレーション研究では、提案されたアルゴリズムがさまざまな設定で優れたパフォーマンスを発揮することが示されています。
Citas
"Despite the extensive research on EHR feature representation, most existing studies have primarily focused on either structured or unstructured data modalities."
"Recent studies have emerged on leveraging multimodal EHR features for enhanced predictive modeling."
"To overcome these limitations, we introduce the Contrastive Learning Algorithm for Integrated Multimodal Electronic health records (CLAIME)."