10万患者数据+AI双模态，卒中风险分层新突破！
MedGate-Fusion: Integrating First-Encounter Semantic Narratives and Physiological Biomarkers for Prospective Stroke Risk Stratification
📖 AI 总结
该研究提出MedGate-Fusion多模态门控架构，旨在解决基层医疗中前瞻性卒中风险分层的难题——早期风险信号分散于常规生物标志物与非结构化临床叙事之中。研究基于加拿大初级保健哨兵监测网络（CPCSSN）的电子病历数据，从808,921条就诊记录中构建首次就诊队列，最终纳入102,736份叙事非空且数据充足的患者记录，用于评估五年卒中结局。为减少笔记中诊断提及导致的显式目标泄漏，作者在语义编码前对卒中相关术语进行了基于词典的脱敏处理。该方法将首次就诊叙事的Transformer嵌入与十项常规记录的风险标志物相融合，为利用真实世界初级保健数据开展卒中风险预测提供了新思路。
🔑 关键词速览
| MedGate-Fusion | 一种多模态门控架构，融合首次就诊的语义叙述与生理生物标志物，用于前瞻性卒中风险分层。 |
| 前瞻性卒中风险分层 | 在卒中发生前，基于患者当前信息预测其未来卒中风险等级的过程。 |
| 多模态门控架构 | 一种能够整合并动态调节不同模态（如文本和数值）信息流的神经网络结构。 |
| CPCSSN | 加拿大初级保健哨兵监测网络，一个收集加拿大初级保健电子病历数据的监测系统。 |
| 目标泄漏 | 在模型训练中，使用了在预测时不可获得的、与目标变量直接相关的信息，导致评估过于乐观。 |
📱 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