DIGOM多模态医疗结果预测框架

2026年10月26日，arXiv Artificial Intelligence 刊出 Hakima Laribi 等作者的论文，提出 DIGOM（Disentangled Interaction Graphs for Outcome prediction in Multimodal healthcare）图框架，用于多模态医疗结局预测。该框架同时建模三类交互：患者内跨模态、跨患者同模态、跨患者跨模态；通过可微机制采样患者自适应稀疏邻接矩阵，并用正则项维持图稀疏性。评估在 MIMIC-IV 和 NIH-TB 两个数据集、五项临床预测任务上进行，DIGOM 全部取得最高 AUROC，且所用连接数少于现有多交互方法。消融实验显示各交互类型的贡献随任务变化，模型对模态缺失也更稳健。目前报道仅涵盖该论文的方法与实验结果，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。