论文用全国医保理赔数据训练医疗基础模型 ReClaim
资讯摘要
论文提出 ReClaim，一个基于 MarketScan 数据库中 43.8 亿条理赔记录、覆盖逾 2 亿参保人的生成式医疗基础模型，联合学习诊断、手术、用药与支出，训练数据截至 2022 年底。作者报告其在 1000 多种疾病预测上平均 ROC-AUC 为 0.769，优于疾病专用梯度提升模型（0.663）和 Transformer 基线（0.694），并在两个独立电子病历数据集及 2023–2024 年数据上保持优势；在支出预测和高需求高成本人群识别上也优于梯度提升模型。作者还称，将模型表示作为协变量可改善效应估计。代码已公开。
要点速读
- ReClaim 基于 43.8 亿条理赔记录、逾 2 亿参保人数据从头预训练，训练截止 2022 年底。
- 作者报告 1000 多种疾病预测平均 ROC-AUC 0.769，高于梯度提升模型 0.663 和 Transformer 基线 0.694。
- 在支出预测、高需求高成本人群识别及 2023–2024 年数据上，作者报告其仍保持优势。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。