摘要

从临床文本中预测结果可以防止医生忽视潜在风险，并帮助医院规划容量。我们在患者入院时进行模拟，此时决策支持尤为重要，并提出了一项新的从入院到出院的任务，包括四个常见的结果预测目标：出院诊断、所进行的手术、院内死亡率和住院时间预测。理想的系统应根据患者的症状、既往病史和风险因素来推断结果。我们评估了语言模型在处理这一场景中的有效性，并提出了临床结果预训练方法，以整合来自多个公共来源的患者结果知识。此外，我们还介绍了一种简单的方法，将国际疾病分类（ICD）代码层次结构纳入模型中。研究表明，我们的方法在结果预测任务上优于多个基线模型。详细分析进一步揭示了该模型的优势，如可迁移性，但也指出了其弱点，例如对生命体征值的处理和底层数据中的不一致性问题。