无概念标注的临床文本可解释预测框架提出

Jifan Gao等作者提出一种无需概念监督的临床文本可解释预测框架，通过定制化交叉注意力瓶颈，让预训练语言模型把文本token与医学概念描述对齐，生成概念相关性分数并汇入线性预测层。 在胸部创伤严重程度分层（私有数据集）和MIMIC-III院内死亡预测两项任务上，作者报告该框架AUROC与黑盒模型差距在0.02以内，并支持队列级与患者级概念归因解释。

AI 根据报道生成 · 44 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。