发布TRACER纵向电子病历基础模型用于疾病检测
原文：TRACER, a time-to-event EHR foundation model for disease detection across health systems
在纵向电子健康记录（EHR）上训练的基础模型可以预测未来数年的临床诊断，使其成为疾病筛查的潜在工具。我们开发了TRACER（Temporal Risk Assessment with Clinical EHR Representations），这是一个基于解码器的基础模型，在来自四个卫生系统的超过450万名患者的数据上预训练，并在来自两个未参与模型开发的卫生系统的超过200万名患者中，对16种新发疾病在1年、2年和5年时间范围内进行了评估。与关注全局指标（如AUROC）的典型评估不同，我们测量了筛查中现实可行的低假阳性率下的性能。我们发现TRACER在外部卫生系统中保持了其判别能力，在95%特异性下，它标记的患者在一年内被诊断的可能性比未筛选患者高出多达八倍。在这一操作点进行评估还揭示了全局指标单独无法显示的内容：即使判别能力看起来稳定，检测和误报负担在不同疾病和卫生系统之间也存在差异。我们的结果说明了基础模型用于筛查的潜力，并强调了在未参与开发的卫生系统中进行评估的必要性，以在适合预期临床使用的水平上评估疾病检测和误报负担。作者：Mara Pleasure, Ekaterina Redekop, Vedrana Ivezic, Rushikesh Kulkarni, Aaron Chin。类别：cs.CE, cs.LG