محققان در پژوهشی جدید به چالش مهمی در آموزش مدلهای بنیادی برای پروندههای الکترونیک سلامت (EHR) پرداختهاند. تا پیش از این، روشهای رایج آموزش، مدلها را طوری تنظیم میکردند که ممکن بود باعث ایجاد سوگیری (Bias) در یادگیری دادههای بیماران شود.
✨ نوآوری جدید: روش «Patient Sampling» یا «نمونهبرداری بیمار-محور» به مدل کمک میکند تا یادگیری را به شکل متوازنتری بین دادههای بیماران مختلف توزیع کند. نتایج نشان میدهد که این روش نه تنها عملکرد مدل را بهبود میبخشد، بلکه در وظایف بالینی مثل پیشبینی وضعیت بیمار، بسیار دقیقتر از روشهای فعلی عمل میکند.
این تحقیق گام مهمی در جهت استفاده ایمنتر و دقیقتر از هوش مصنوعی در علوم پزشکی است. 🩺💻
منبع: arXiv Machine Learning