合成医学数据生成：现状及在创伤机制分类中的应用.pdfVIP

ProceedingsofCIBB20251

合成医学数据生成：现状及在创伤机制分类中的应用

OcéaneDoremus,ArielGuerra-Adames,MartaAvalos-Fernandez,

VianneyJouhet,CédricGil-Jardiné,EmmanuelLagarde

AHeaDTeam,UniversitédeBordeaux,INSERM,BPH,U1219,F-33000Bordeaux,France.

oceane.doremus@u-bordeaux.fr,0009-0000-8361-1103

SISTMTeam,UniversitédeBordeaux,INSERM,INRIA,BPH,U1219,F-33000Bordeaux,France.

ariel.guerra-adames@u-bordeaux.fr,0000-0002-7881-8246

CHUdeBordeaux,INSERM,U1219,F-33000Bordeaux,France.vianney.jouhet@u-bordeaux.fr,

0000-0001-5272-2265

Aix-MarseilleUniversité,F-13015Marseille,France.emmanuel.lagarde@u-bordeaux.fr,

本0000-0001-8031-7400

译Theseauthorscontributedequallytothisstudy.

中Correspondingauthor

1

v

1Keywords:合成数据生成，电子健康记录，变分自编码器，扩散模型，大型语言模型。

7

7

2摘要。面对患者必威体育官网网址性和科学研究可重复性的挑战，针对健康的机器学习研究正转向构

0

8.思合成医疗数据库。本文简要概述了生成合成表格和文本数据的必威体育精装版机器学习方法，并

0

5重点关注其在自动分类创伤机制方面的应用，随后介绍了我们提出的结合表格和非结构

2化文本数据生成高质量合成医疗记录的方法。

:

v

i

x1引言

r

a

健康领域的机器学习研究面临着可重复性这一主要挑战，这一概念指的是当原始数

据和代码可用时，系统地获得与最初报告相同结果的能力。McDermott等人[11]在此方

面引入了无摩擦可重复性的概念，定义为通过透明的数据共享、易于重新执行的代码的

可用性以及使用标准化基准进行严格评估来轻松重现结果的能力。在他们对超过500项

研究的回顾中，作者发现许多发表的健康领域机器学习作品并未达到这些标准，尤其是

由于分享敏感患者数据所涉及的限制。

这种可重复性的缺乏通常由几个因素来解释，例如健康数据本身敏感的性质，甚至

1

是欧洲实施的人工智能法案等治理政策，将某些用于健康的AI系统归类为“高风险”，

因为它们有能力影响人类健康的决定。

此外，《通用数据保护条例》(GDPR)和法国国家信息与自由委员会(CNIL，法国数

2

据保护机构)的建议对健康数据的使用和共享施加了进一步的限制，从而加强了这些

可重复性挑战。

3欧盟法规(EU)2024/1689关于人工智能的统一规则（人工智能法案）。

4欧盟议会和理事会于