机构名称：
¥ 1.0
药物建议系统在医疗保健方面已获得了显着的优势，作为根据患者的临床信息提供量身定制和有效的药物组合的一种手段。但是，现有方法通常遭受公平问题的困扰，因为与罕见情况相比，对于常见疾病患者的建议往往更准确。在本文中，我们提出了一种新型模型，称为鲁棒和准确的药物建议（RAREMED），该模型利用前 - 最终的学习范式来提高稀有疾病的准确性。RAREMED采用了具有统一输入序列方法的变压器编码器来捕获疾病和程序代码之间的复杂关系。此外，它介绍了两个自制的预训练预测任务，即匹配预测（SMP）和自我重新制定（SR），以学习临床代码之间的专业药物需求和相互选择。两个现实世界数据集的实验结果表明，RAREMED为稀有疾病和普通疾病患者提供了准确的药物集，从而减轻了药物建议系统中的不公平性。该实施可通过https://github.com/zzhustc2016/raremed
没有留下患者落后：为罕见病患者提供药物建议
主要关键词
相关文件推荐
