换一批基于transformer解码器架构的数据循证临床路径生成
Transformer-Decoder-Based Generation of Data-Driven Evidence Clinical Pathways
摘要目的 为解决传统路径制定高度依赖专家共识、主观性强、效率低且更新周期长的问题,本研究旨在构建一个能够自动化生成数据循证的临床路径的深度学习模型.方法 提出数据循证临床路径生成模型CliPathGPT,该模型基于transformer解码器架构,利用真实电子病例,进行从零开始学习住院诊疗数据中的时序结构和阶段模式,并以甲状腺良性肿瘤切除术住院数据进行实验.结果 生成路径在高频项目覆盖率、顺序连贯性及完整性方面与真实数据高度一致.结论 该方法具备无监督训练、自学习及快速迭代优势,可为住院流程标准化、个性化路径推荐及路径偏离预警提供数据循证支撑,为多病种路径生成与医疗管理优化提供新方法.
更多相关知识
关键词
数据循证临床路径transformer生成式语言模型甲状腺良性肿瘤data-driven evidenceclinical pathwaytransformergenerative language modelbenign thyroid tumor
栏目名称
DOI
10.3969/j.issn.1672-5166.2026.01.04
发布时间
2026-04-01（万方平台首次上网日期，不代表论文的发表时间）
基金项目
上海市卫生健康委员会卫生行业临床研究专项（202340272）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
