SynEHR：联合建模访问间时间演变和访问内临床结构以进行纵向 EHR 合成

纵向电子健康记录 (EHR) 记录患者随时间推移的临床就诊顺序，保存疾病进展和护理服务的时间演变。然而，真正的纵向电子病历很难访问，因为它们包含大量细粒度的、患者特定的信息。因此，合成 EHR 生成提供了一种有价值的方法，可以保留患者就诊轨迹的统计模式和临床结构，从而在真实记录有限时实现更广泛的建模和分析。尽管最近的生成模型在生成未来访问序列方面取得了进展，但它们在明确整合 EHR 中访问间不规则时间演化和访问内临床事件结构方面仍然有限，导致临床不一致和时间上不切实际的访问序列。在这项工作中，我们提出了 SynEHR，一种基于 LLM 的轻量级自适应框架，用于纵向 EHR 合成。 SynEHR 有两种新颖的设计，即时间状态调节模块捕获访问期间的不规则时间状态，时间关系适应模块将这些状态与患者历史结合起来，动态构建患者特定的关系表示。然后，SynEHR 以参数高效、LoRA 适应的语言模型生成器为基础，具有下次访问生成功能，以训练两个模块以进行时间和临床信息生成。对真实世界 EHR 数据集在保真度、隐私和下游效用评估方面的广泛实验表明，SynEHR 通过生成更加临床连贯和时间忠实的纵向 EHR 数据，优于最先进的模型。