가상 공간에서 전자 의료 기록 모델링을 위한 Hyperbolic Efficient Question Answering

(arXiv:2604.21027v1) 발표

전자 의료 기록(EHR) 질문 답변은 대규모 언어 모델(LLM)-기반 파이프라인으로 처리되지만 이는 배포하기 어려우며 의료 데이터의 계층적 구조를 명시적으로 활용하지 않는다. 의료 온톨로지와 환자 경로가 초월적 기하학을 보여주고 있다는 증거에 의해 мотив화되면서, 우리는 Lorentzian 모델인 HypEHR를 제안한다. HypEHR는 코드, 방문, 질문을 초월적 공간에 임베딩하고, 타입-특이적 포인터 헤드와 함께 기하학적 일관성 있는 크로스-주의를 통해 쿼리를 처리한다. HypEHR는 다음 방문 진단 예측과 계층적 정규화를 통해 ICD 온톨로지와 Alignment을 위해 미리 학습된다. 두 개의 MIMIC-IV 기반 EHR-QA 벤치마크에서, HypEHR는 LLM-기반 방법들과 접근하는 동안 파라미터의 수를 훨씬 많이 사용하지 않는다. 우리의 코드는 https://github.com/yuyuliu11037/HypEHR에서 공개되어 있다.