EMERGE：整合 RAG 以改进多模态 EHR 预测建模

文章预览

多模态电子健康记录（EHR）数据的集成显著提高了临床预测能力。然而，当前利用临床笔记和多变量时间序列EHR数据的模型通常缺乏精确临床任务所需的医学背景，先前使用知识图谱（KG）的方法主要关注结构化知识提取。为此，北京航空航天大学、北京大学、苏黎世联邦理工学院以及中国移动研究院的学者们提出了EMERGE框架，旨在通过整合多模态电子健康记录（EHR）数据和知识图谱（KG）来提升临床预测能力。该框架利用检索增强生成（RAG）方法，从时间序列数据和临床笔记中提取实体，并与专业医疗知识图谱PrimeKG对齐，以确保一致性。此外，通过实验验证，EMERGE在MIMIC-III和MIMIC-IV数据集上的表现优于基线模型，并且在数据稀疏的情况下表现出良好的鲁棒性。EMERGE显著提高了医疗保健中多模态EHR数据的使用，弥合了与细微医疗情境之间的差距，这 ………………………………