仅凭临床文本，HERMES用知识图谱推理，预测性能碾压纯文本基线！
HERMES: Contrast-Aware Knowledge Graph Reasoning from Clinical Notes for Patient Outcome Prediction
📖 AI 总结
该研究提出HERMES框架，旨在仅基于临床文本进行患者结局预测，解决现有方法将临床笔记编码为扁平序列、丢失叙事中关系与时序结构的问题。其核心思路有两点：一是借助大语言模型从临床笔记中抽取信息，结合对比逻辑建模构建个性化知识图谱，显式刻画时序动态、治疗失败及结局变化；二是利用图注意力网络在知识图谱上进行图学习，合成患者表示。研究在MIMIC-III和MIMIC-IV数据集上针对院内死亡率和30天再入院两项任务开展实验，结果显示HERMES持续优于强文本基线。该工作表明，显式关系建模与对比逻辑建模能显著提升预测性能，为临床文本的图结构推理提供了新路径。
🔑 关键词速览
| HERMES | 本文提出的基于图的临床预测框架，仅使用临床文本并保留临床关系。 |
| Knowledge Graph (KG) | 知识图谱，一种以节点和边表示实体及其关系的结构化知识表示形式。 |
| Contrastive Logic Modeling | 对比逻辑建模，一种显式捕捉时间动态、治疗失败和结果变化的建模方法。 |
| Graph Attention Network | 图注意力网络，一种在图结构数据上使用注意力机制进行节点表示学习的神经网络。 |
| MIMIC-III/IV | 两个广泛使用的公开电子健康记录数据集，用于临床预测模型的研究与评估。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅