论文
DT-Transformer：现实世界卫生系统疾病轨迹预测的基础模型
DT-Transformer: A Foundation Model for Disease Trajectory Prediction on a Real-world Health System
摘要
准确的疾病轨迹预测对于早期干预、资源分配和改善长期结果至关重要。虽然电子健康记录 (EHR) 提供了临床环境中患者健康状况的丰富纵向视图，但在精选研究队列上训练的模型可能无法反映常规部署设置，而在单医院数据集上训练的模型仅捕获每个患者轨迹的片段。这凸显了利用大型多医院卫生系统进行训练和验证以更好地反映现实世界临床复杂性的重要性。在这项工作中，我们开发了 DT-Transformer，这是一个基础模型，对来自麻省总医院 (MGB) 的 170 万名患者的 5710 万条结构化 EHR 条目进行了训练，涵盖 11 家医院和广泛的门诊诊所网络。 DT-Transformer 在保留和预期验证设置中均实现了很强的区分度。下一事件预测在 896 个疾病类别中按年龄和性别分层的 AUC 中位数达到 0.871，所有类别的 AUC 均超过 0.5。这些结果支持卫生系统规模的训练作为通往适合现实世界临床预测的基础模型的道路。