Core Clinical Mortality Prediction

🚀 CORe模型 - 臨床死亡率風險預測

CORe（臨床結果表徵）模型是用於預測臨床死亡率風險的模型，它基於BioBERT進一步優化，能根據患者入院記錄精準輸出院內死亡風險預測，為臨床決策提供有力支持。

🚀 快速開始

加載模型

可以通過transformers庫加載該模型：

from transformers import AutoTokenizer, AutoModelForSequenceClassification
tokenizer = AutoTokenizer.from_pretrained("bvanaken/CORe-clinical-mortality-prediction")
model = AutoModelForSequenceClassification.from_pretrained("bvanaken/CORe-clinical-mortality-prediction")

推理示例

以下代碼展示了一個推理示例：

input = "CHIEF COMPLAINT: Headaches\n\nPRESENT ILLNESS: 58yo man w/ hx of hypertension, AFib on coumadin presented to ED with the worst headache of his life."

tokenized_input = tokenizer(input, return_tensors="pt")
output = model(**tokenized_input)

import torch
predictions = torch.softmax(output.logits.detach(), dim=1)
mortality_risk_prediction = predictions[0][1].item()

✨ 主要特性

• 專業預訓練：基於BioBERT，在臨床筆記、疾病描述和醫學文章上進行了專門的“臨床結果預訓練”，能更好地適應醫療領域。
• 精準預測：針對死亡率風險預測任務進行微調，以患者入院記錄為輸入，輸出院內死亡風險的預測結果。

📚 詳細文檔

CORe模型在論文 Clinical Outcome Predictions from Admission Notes using Self-Supervised Knowledge Integration 中被提出。它基於BioBERT，並在臨床筆記、疾病描述和醫學文章上進行了進一步的預訓練，目標是實現專門的“臨床結果預訓練”。

此模型檢查點是針對死亡率風險預測任務進行微調的。模型以患者入院記錄為輸入，輸出預測的院內死亡風險。

如需瞭解有關CORe的所有詳細信息和聯繫信息，請訪問 CORe.app.datexis.com。

📄 許可證

文檔中未提及相關許可證信息。

📖 引用

如果您在研究中使用了該模型，請使用以下BibTeX引用：

@inproceedings{vanaken21,
  author    = {Betty van Aken and
               Jens-Michalis Papaioannou and
               Manuel Mayrdorfer and
               Klemens Budde and
               Felix A. Gers and
               Alexander Löser},
  title     = {Clinical Outcome Prediction from Admission Notes using Self-Supervised
               Knowledge Integration},
  booktitle = {Proceedings of the 16th Conference of the European Chapter of the
               Association for Computational Linguistics: Main Volume, {EACL} 2021,
               Online, April 19 - 23, 2021},
  publisher = {Association for Computational Linguistics},
  year      = {2021},
}