arXiv 自然语言处理· Huaiyuan Ying, Feiqing Huang, Ryumei Nakada, Katherine P. Liao, Tianxi Cai·· 1 天前AI 评分33
HALO：面向纵向临床记录的分层证据选择与强化学习预算标签优化框架
HALO: Hierarchical Evidence Selection and Reinforcement Learning for Allocating Budgeted Label Optimization from Longitudinal Clinical Records
AI 导读
研究者提出 HALO 框架，通过分层证据选择与强化学习，在预算限制下联合优化纵向临床记录的证据筛选及多保真度标签源分配。在心力衰竭案例中，HALO 在 8 个目标预算中的 6 个取得最高 MedAlign 获取标签 F1 分数。其训练的下游分类器在预算 15-60 时取得最高外部 MGB F1 分数，在预算 75-120 时与最佳对比方法的差距保持在 0.01 以内。
来源：arXiv 自然语言处理 · arxiv.org