热点事件持续更新
序列Transformer模型基于人口级数据预测疾病轨迹与死亡风险
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
2026年10月14日，《npj Digital Medicine》发表一项最新研究，团队利用奥地利13年间740万名住院患者的数据，开发并训练了就诊级对比Transformer模型，将患者的诊断序列及就诊间隔编码为病史嵌入向量。在涵盖170万人的下游验证队列中，该模型预测院内死亡的AUC达到0.879，优于传统Elixhauser合并症模型的0.866。此外，在评估的130类新发疾病结局中，该模型在93类结局的预测表现上均实现了提升，展现出超越传统合并症负担指标的疾病累积路径分析能力。
AI 根据报道生成 · 59 分钟前更新
最新进展10月14日 08:00
研究团队基于奥地利740万人住院数据训练出对比Transformer模型，有效提升了院内死亡与新发疾病的预测表现。报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- npj Digital Medicine时序模型利用人口级住院数据揭示超越合并症负担的疾病累积路径
研究团队利用奥地利 13 年间 740 万名住院患者数据，训练就诊级对比 Transformer 模型将诊断序列及就诊间隔编码为病史嵌入向量。在 170 万人的下游验证队列中，该模型预测院内死亡的 AUC 达到 0.879，优于传统 Elixhauser 合并症模型的 0.866，并在 130 类新发疾病结局中的 93 类取得表现提升。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。