换一批AI语言表征的多模态大数据队列设计理论方法体系
Theoretical and methodological framework for multimodal big data cohort design based on AI language representation
摘要本研究突破传统流行病学队列设计的理论框架,创立AI语言表征的多模态队列理论方法体系,形成AI语言建模的多模态队列新范式.该体系整合健康档案、电子病历、影像、基因等多源异构数据,借助Transformer等AI模型进行低维嵌入,统一量化为多模态嵌入向量.围绕"数字组学-数字生物标记-数字表型"三层架构,提出多模态融合、嵌入向量生成、因果推理等关键方法.创新性提出数字生物标记需满足 PICLS 准则:可预测性(predictable)、可解释性(interpretable)、可计算性(computable)、潜变量性(latent-variable)、稳定性(stable);数字表型在此基础上还应满足终点性(endpoints),即PICLSE准则,确保多模态队列的应用价值.技术方面,本文详述了嵌入生成、数据编码/解码、数据库构建及标记提取等流程.以猩红热主动监测为应用案例,展示多模态嵌入队列的实际应用效果.该体系为流行病学队列研究提供了新范式,对推动精准医疗与公共卫生智能化具有重要意义.
更多相关知识
关键词
AI语言表征多模态队列数字组学数字生物标记数字表型PICLS/PICLSE准则AI language representationMultimodal cohortDigital omicsDigital biomarkersDigital phenotypesPICLS/PICLSE criteria
栏目名称
DOI
10.6040/j.issn.1671-7554.0.2025.0568
发布时间
2025-09-12（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（82330108）
国家自然科学基金（82173625）
潍坊市中央财政支持公立医院改革与高质量发展示范项目（ZFCG-2024-0000505）
河南省重大科技专项项目（241100310300）
- 浏览3
- 被引0
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
