入院時の記録を用いた自己監督型知識統合による臨床結果予測

臨床テキストからのアウトカム予測は、医師が可能なリスクを見落とすのを防ぎ、病院がキャパシティを計画するのに役立ちます。特に、入院時の意思決定支援が価値があるため、当該時点で患者をシミュレーションし、4つの一般的なアウトカム予測ターゲットを持つ新たな入院から退院までのタスクに貢献します。これらのターゲットは、退院時の診断、実施された手術、病院内死亡率および滞在期間の予測です。理想的なシステムは、患者の症状、既往症およびリスク要因に基づいてアウトカムを推定すべきです。私たちはこのシナリオに対処する言語モデルの有効性を評価し、複数の公開ソースから患者のアウトカムに関する知識を取り入れるための臨床アウトカム事前学習を提案します。さらに、ICDコード階層（International Classification of Diseases）をモデルに組み込むための単純な方法も提示します。我々のアプローチは、いくつかのベースラインに対してアウトカムタスクでの性能向上を示しています。詳細な分析では、モデルのさらなる強み（転移可能性など）と弱点（生命体征値や基礎データの一貫性不足への対応など）も明らかになりました。