FeatEHR-LLM: Ingegneria delle Caratteristiche Basata su LLM per Dati EHR
Un nuovo framework chiamato FeatEHR-LLM utilizza grandi modelli linguistici per generare caratteristiche clinicamente significative da serie temporali di cartelle cliniche elettroniche campionate in modo irregolare. L'approccio affronta sfide come intervalli di osservazione irregolari, frequenze di misurazione variabili e sparsità strutturale. Per proteggere la privacy dei pazienti, il LLM accede solo agli schemi del dataset e alle descrizioni dei compiti, non ai dati grezzi. Un meccanismo di generazione potenziato da strumenti consente al LLM di produrre codice eseguibile per l'estrazione delle caratteristiche che gestisce pattern irregolari e sparsità informativa. Il framework è presentato in un preprint su arXiv (2604.22534).
Fatti principali
- FeatEHR-LLM sfrutta i LLM per l'ingegneria delle caratteristiche nei dati EHR
- Affronta intervalli di osservazione irregolari e frequenze di misurazione variabili
- Il LLM opera solo su schemi e descrizioni dei compiti per proteggere la privacy
- La generazione potenziata da strumenti produce codice eseguibile per l'estrazione delle caratteristiche
- Gestisce pattern di osservazione irregolari e sparsità informativa
- Preprint disponibile su arXiv con ID 2604.22534
- I metodi automatizzati esistenti mancano di consapevolezza clinica o assumono input puliti
- Il framework mira alle sfide reali dei dati EHR
Entità
Istituzioni
- arXiv