KI News: Kurz und klar.

In einer neuen Studie aus dem Bereich der Intensivpflege wurden Large Language Models (LLMs) auf ihre Eignung für die Analyse von unregelmäßigen Zeitreihen untersucht. Diese Daten, die aus der Intensivstation stammen, zeichnen sich durch hohe Fehlerraten und viele fehlende Werte aus, was die Analyse besonders herausfordernd macht.

In elektronischen Gesundheitsakten entstehen klinische Zeitreihen, die von Natur aus unregelmäßig sind – Messungen erfolgen asynchron, Daten fehlen häufig und die Dynamik der Merkmale variiert stark. Traditionelle Einbettungsstrategien kombinieren die Identität eines Merkmals und dessen Wert meist additiv, was die Erfassung wertabhängiger Interaktionen einschränkt.