meineki.news Logo
meineki.news
KI News. Verstehen, was wichtig wird.
Anmelden
Suche

Finde Modelle, Firmen und Themen

Suche im News-Archiv nach Themen, die du dauerhaft verfolgen willst.

Ergebnisse für “Elektronische Gesundheitsakten”
Forschung

<h1>Multimodales Lernmodell prognostiziert Herz‑Kreislauf‑Risiken in Populationen</h1> <p>Ein neues multimodales Lernframework, das auf Cross‑Modal‑Transformern, Graph‑Neural‑Netzwerken und kausaler Repräsentations­lernen basiert, verspricht die nächste Generation der Herz‑Kreislauf‑Risiko­vorhersage. Das Modell integriert genetische Varianten, kardiale MRT‑Bilder, EKG‑Wellenformen, Wearable‑Daten und strukturierte elektronische Gesundheitsakten, um individuelle Risikobewertungen zu liefern.</p> <p>Um die A
arXiv – cs.LG
Forschung

<h1>LLM-gestützte Vorhersage klinischer Ereignisse verbessert EHR-Analyse</h1> <p>Elektronische Gesundheitsakten (EHRs) enthalten komplexe zeitliche Abläufe, die herkömmliche Codierungsansätze nicht vollständig erfassen können. Obwohl große Sprachmodelle (LLMs) vielversprechend für die Modellierung von EHRs sind, haben sie Schwierigkeiten, die Reihenfolge klinischer Ereignisse und deren zeitliche Abhängigkeiten zu berücksichtigen.</p> <p>Um dieses Problem zu lösen, stellt die neue Studie das Next Event Pred
arXiv – cs.AI
Forschung

<p>LLMs für medizinische Daten: EAG‑RL verbessert EHR‑Vorhersagen um 14,6 %</p> <p>In der medizinischen Forschung ist die Fähigkeit großer Sprachmodelle (LLMs), elektronische Gesundheitsakten (EHR) zu analysieren, entscheidend für präzise und verallgemeinerbare klinische Prognosen. Trotz ihrer Stärke im Textverständnis zeigen LLMs bei EHR‑basierten Vorhersagen oft Schwächen, weil sie die zeitlich strukturierten, hochdimensionalen Daten nicht optimal modellieren können. Traditionelle Ansätze kombinieren LLMs
arXiv – cs.AI