MedGate-Fusion：融合初诊文本与生理指标的脑卒中风险分层模型
针对基层医疗中早期卒中风险信号分散于常规指标与非结构化临床文本的难题，研究人员提出了多模态门控架构 MedGate-Fusion。该模型通过 Transformer 提取患者初次就诊叙述的语义嵌入，并与 10 项常规生理风险标志物进行多模态融合。研究基于加拿大基层医疗监测网络（CPCSSN）的电子病历数据，构建了包含超 10 万名患者的初诊队列，旨在实现前瞻性卒中风险分层。
推荐理由提出结合临床非结构化文本与生理指标的多模态架构，为基层医疗脑卒中早期风险预测提供了实用方案。
原标题：MedGate-Fusion: Integrating First-Encounter Semantic Narratives and Physiological Biomarkers for Prospective Stroke Risk Stratification
阅读 arXiv 人工智能 原文 ↗