Synthese hochdimensionaler longitudinaler elektronischer Gesundheitsakten mittels hierarchischem autoregressivem Sprachmodell

Zusammenfassung: Synthetische elektronische Gesundheitsakten (EHRs), die sowohl realistisch als auch datenschutzkonform sind, bieten Alternativen zu echten EHRs für maschinelles Lernen (ML) und statistische Analysen. Die Erzeugung von hochgenauen EHR-Daten in ihrer ursprünglichen, hochdimensionalen Form stellt jedoch eine Herausforderung für bestehende Methoden dar. Wir schlagen das Hierarchical Autoregressive Language mOdel () vor, um longitudinale, hochdimensionale EHR zu generieren, die die statistischen Eigenschaften echter EHRs bewahren und genaue ML-Modelle ohne Datenschutzbedenken trainieren können. generiert eine Wahrscheinlichkeitsdichtefunktion über medizinische Codes, klinische Besuche und Patientenakten, was die Erzeugung realistischer EHR-Daten ermöglicht, ohne dass eine Variablenauswahl oder Aggregation erforderlich ist. Umfangreiche Experimente zeigten, dass hochgenaue Daten mit hochdimensionalen Erkrankungscode-Wahrscheinlichkeiten erzeugt werden können, die den echten EHR-Daten (über 0,9 R²-Korrelation) eng entsprechen. verbessert auch die Genauigkeit der prädiktiven Modellierung und ermöglicht es nachgelagerten ML-Modellen, eine ähnliche Genauigkeit wie Modelle, die mit echten Daten trainiert wurden, zu erreichen.