HiSTOR：高维纵向数据的结构化治疗-结局表征学习框架

2026年10月15日，arXiv Artificial Intelligence 刊出研究《HiSTOR：面向高维纵向数据的结构化治疗-结局表征学习》。据该报道，作者 Chuanqi Lao、Junzhou Huang、Qiao Liu 提出 HiSTOR（High-dimensional Structured Treatment-Outcome Representation），一个将非线性降维与纵向反事实预测结合的端到端框架。其做法是按患者当前状态与历史，分别学习其与治疗分配和结局之间的共享及差异关系，从而得到结构化低维表征，把潜空间协变量调整扩展到纵向场景。截至该报道，事件进展即为该框架的提出与介绍，报道未提及后续实验验证、应用落地或与其他方法的比较结果。

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。