Resumen: Los registros de salud electrónicos (EHR) han revolucionado la atención médica al digitalizar los datos del paciente, mejorar la accesibilidad y optimizar los flujos de trabajo clínicos. Sin embargo, extraer ideas significativas de estos conjuntos de datos complejos y multimodales sigue siendo un desafío significativo para los investigadores. Los métodos de selección de características tradicionales a menudo luchan con la escasez inherente y la heterogeneidad de los datos de EHR, especialmente cuando se tienen en cuenta las variaciones específicas del paciente y los costos de características en aplicaciones clínicas. Para abordar estos desafíos, proponemos un marco de selección de características personalizado, en línea y consciente de los costos diseñados específicamente para conjuntos de datos EHR. Las características se acumulan de manera en línea para pacientes individuales, incorporando limitaciones presupuestarias y costos de variabilidad de características. El marco está diseñado para gestionar efectivamente datos escasos y multimodales, asegurando un rendimiento robusto y escalable en diversos contextos de salud. Una aplicación principal de nuestro método propuesto es apoyar la toma de decisiones de los médicos en los escenarios de detección de pacientes. Al guiar a los médicos hacia la adquisición incremental de las características más informativas dentro de las limitaciones presupuestarias, nuestro enfoque tiene como objetivo aumentar la confianza del diagnóstico al tiempo que optimiza la utilización de los recursos.
Publicado Originalme en export.arxiv.org El 12 de agosto de 2025.
Ver Fuente Original
