DIGOM多模态医疗预测框架提出并在五项任务领先

Hakima Laribi等作者提出DIGOM，一个用于多模态医疗结果预测的图框架。它同时建模三类交互：患者内跨模态、跨患者同模态、跨患者跨模态，并通过可微机制为每位患者采样自适应的稀疏邻接矩阵，实现端到端学习。 作者报告，在MIMIC-IV和NIH-TB两个数据集、五项临床预测任务上，DIGOM的AUROC全部最高，且所用连接数少于现有多交互方法；消融实验显示各交互类型的贡献随任务变化，模型对模态缺失的鲁棒性也更强。上述性能均为作者在论文中的报告结果。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。