arXiv · cs.AI · Chen Chen, Mohsen Nayebi Kerdabadi, Dongjie Wang, Mei Liu, Zijun Yao · 6 小时前模型评分28
ReTA：按每次就诊动态决定是否引入外部知识图谱的 EHR 预测框架
Import What You Need: Learning When and How to Augment EHR Graphs with External Knowledge
导读
研究者提出强化学习框架 ReTA，把外部知识图谱的引入变成每次就诊、带预算约束的动态决策，可在软引入、硬引入和跳过三种动作中选择。该框架在 MIMIC-III 和 MIMIC-IV 的诊断预测、死亡率和再入院任务上稳定优于强基线，监督稀疏时收益更大，并可跨数据集和知识图谱迁移。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：医疗与生命科学
事件类型：研究发布
证据摘录
- “We propose ReTA, a Reinforcement learning-based dynamic Topology Augmentation framework that casts KG import as a per-visit, budget-aware policy.”
来源：arXiv · cs.AI · arxiv.org