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 “Gesundheitsakten”
Forschung

Multimodales Lernen in der Medizin: Wann lohnt sich die Fusion von EHR und Röntgen?<br/><p>Maschinelles Lernen verspricht, die klinische Entscheidungsunterstützung zu verbessern, doch bleibt unklar, wann multimodales Lernen in der Praxis tatsächlich Vorteile bringt – besonders wenn Daten fehlen oder Fairness-Bedenken bestehen.</p><p>In einer systematischen Benchmark wurden die Fusion von elektronischen Gesundheitsakten (EHR) und Röntgenaufnahmen (CXR) an standardisierten Kohorten aus MIMIC‑IV und MIMIC‑CXR

arXiv – cs.LG
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

<p>Knowledge-Graph-gestützte LLMs für Krankheitsvorhersage beim nächsten Besuch</p> <p>Ein neues Forschungsprojekt aus dem Bereich der elektronischen Gesundheitsakten (EHR) präsentiert einen innovativen Ansatz, der große Sprachmodelle (LLMs) mit einem medizinischen Wissensgraphen kombiniert, um die Vorhersage von Krankheiten bei der nächsten Arzt‑ oder Klinik‑Besuch zu verbessern.</p> <p>Der Kern des Ansatzes ist ein „Knowledge‑Graph‑guided Chain‑of‑Thought“ (CoT). Dabei werden ICD‑9‑Codes aus den EHR‑Daten
arXiv – cs.AI
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