NOAH：用于表征和预测患者完整病程的纵向多模态时间感知模型
NOAH是一种生成式Transformer模型，旨在表征长期多模态患者记录并预测未来健康状态。它能够处理医学影像、时间序列、数值信号、分类事件，以及结构化和非结构化临床记录。该模型基于MIMIC数据集系列构建，涵盖超过5.59亿条临床事件、43.1万次住院或就诊记录和29.9万名患者。其双向时间整合机制和变分潜在空间用于捕捉患者状态的连续演变及临床轨迹的不确定性。NOAH支持带时间控制的预测、零样本分类和反事实干预模拟。研究报告称，该模型在临床结局、共病症和事件发生时间预测等任务上取得了较好表现，但其验证仍主要依赖回顾性数据集。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。