TRACE 框架把每日临床事件组织成轨迹,提升住院风险预测
Minjun Kim · hf · 2026-10-21
论文提出 TRACE(TRAjectory modelling of multimodal Clinical Events),面向住院患者风险预测(院内死亡、住院时长、再入院)。
出发点:患者状态随时间演化,临床证据以异构且不规则的方式记录——化验、用药、影像、临床笔记等不构成完整或均匀采样的多模态数据,证据的意义取决于何时发生、如何变化,而现有方法多聚焦模态融合或缺失模态补偿,忽视证据随住院过程的时间演化。
TRACE 将记录的临床事件组织为日尺度的「全局-局部」时间轨迹,以建模多模态临床证据的演化过程,在三项住院风险任务上提升预测效果。
「研究」频道最新
- 斯坦福研究：中途切换 Harness 可大幅降本增效 — StanfordAILab · 2026-10-21
- Ropedia 开源 W0 世界模型：1万小时人类视频训练，零机器人数据即超基线 — liuziwei7 · 2026-10-21
- 多智能体协作训练 ROTATE 获 NeurIPS 2026 Spotlight：生成对手队友提升泛化 — PeterStone_TX · 2026-10-21
- NTU 与阿里发布 FocusGUI：轻量适配器为 GUI 智能体动态筛选多模态证据 — NanyangTechnologicalUniversity · 2026-10-21
- PhysSkin++：自监督神经蒙皮实现跨几何实时的物理动画 — Yuanhang Lei · 2026-10-21
- 西湖浙大发 EdgeKernelBench:LLM 生成边缘端内核正确率 64.5% 仅 25.5% 够快 — encodelab · 2026-10-21