AITOPAI热报

特征工程

共 3 条相关 AI 资讯
8月31日
09:08
8月7日
12:36
12:36官方账号arXiv cs.LG@Soorya Ram Shimgekar, Michelle Hu, Dorisa Shehi, Daniel Kang, Roy Ka-Wei Lee, Koustuv Saha, Christian Poellabauer, Christopher Lee, Sajeev Singh, Piyum Zonooz, Navin Kumar, Zeeshan Ahmed, Priyadarshini Kachroo
电子病历特征工程占数据科学家39%-45%工作量，心衰领域尤其棘手。研究者提出Nimblemind多智能体系统（nMAS），在500份模拟患者记录、9张EHR源表上生成132个结构化特征和70个评分聚合特征。加入聚合特征后，HFrEF分型的held-out AUROC从0.895升至0.963，HFpEF从0.870升至0.910。独立LLM对证据支撑与方法学评分为最高分的81.5%。
论文nMAS心力衰竭电子病历
推荐理由：心衰数据特征工程又慢又容易出错，nMAS自动管线把HFrEF的AUROC拉到0.963，还能审计特征来源。
原文
7月31日
12:25
12:25官方账号arXiv cs.LG@Ruman Wang, Hangting Ye
ScaFE将临床知识从大语言模型转移到确定性的可执行特征程序，而非直接让模型诊断图像。在来自三家医院的600张照片上，ScaFE达到81.0%的站点宏平衡准确率，比最强基线BiomedCLIP高出10.0个百分点。仅用10%的开发数据时，ScaFE保持72.0%的平衡准确率，仍领先11.8个百分点。迭代修复将可执行程序率从66.7%提升到95.0%，91.7%的最终特征有验证证据。该方法表明LLM知识能通过本地可审计的特征程序支持跨医院的医学图像分类。
论文ScaFELLMBiomedCLIP
推荐理由：这篇论文发了个叫ScaFE的方法，让LLM写图像特征程序来分类疤痕，照片不用出本地，比BiomedCLIP高10个点，数据少也够用。
原文