热点事件持续更新
研究评估Transformer EHR模型长达30年时间上下文预测能力
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年11月6日，一项发表于arXiv的研究评估了电子健康记录（EHR）模型利用长周期历史数据的预测表现。研究人员基于拥有34.6M参数的Transformer初级保健EHR基础模型，分析了长达30年的日历回溯时间上下文对结直肠癌预测的影响。研究结果显示，该模型的AUROC从2年回溯期的0.551逐步提升至18年回溯期的0.590并进入平台期，其中约80%的性能增益在10年回溯期内达成；该结果与取得峰值AUROC 0.589的XGBoost基线模型水平相当。
AI 根据报道生成 · 3 小时前更新
最新进展11月6日 13:00
研究显示Transformer EHR模型预测结直肠癌的AUROC在18年回溯期达0.590峰值，与XGBoost相当。报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv 机器学习初级保健 EHR 模型结直肠癌预测：长达 30 年时间上下文的信号深度分析
研究人员利用 34.6M 参数的 Transformer 初级保健 EHR 基础模型，评估了长达 30 年的日历回溯时间上下文对结直肠癌预测的影响。结果显示模型 AUROC 从 2 年回溯期的 0.551 升至 18 年的 0.590 后进入平台期，约 80% 的增益在 10 年内达成，与峰值 0.589 的 XGBoost 基线相当。
本事件热度走势
当前热度 9·可比范围峰值 10（11月6日 14:00）·近 24 小时可比范围变化–
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。