多任务异构图学习模型

多任务统一建模

针对电子病历的异质性、稀疏性与噪声问题，引入因果推断去噪模块，并利用多任务学习挖掘任务间知识以提升建模效果。

Chan, Tsai Hor · 尹國聖 · 于乐全

Neural Networks 2024

参数信息

任务覆盖

4

技术优势

多任务联合学习

单一图神经网络同时预测多个任务，利用任务间知识正则化训练过程。

因果去噪

基于因果推断的模块调整严重混杂效应，减少EHR数据中的噪声。

应用场景

• 临床决策支持：辅助临床医生做出更准确的诊断和治疗决策。
• 电子病历分析：有效处理EHR的异质性、稀疏性和噪声，提升建模性能。
• 疾病预测：同时预测死亡率和再入院等多种疾病相关结局。
• 药物推荐：利用多任务学习与异构图结构提升药物推荐效果。