本文介绍了一种使用扩散概率模型 (DPM) 模拟电子健康记录 (EHR) 的新方法。具体来说，我们展示了 DPM 在合成纵向 EHR 方面的有效性，这些纵向 EHR 捕获混合类型的变量，包括数字、二进制和分类变量。据我们所知，这是首次将 DPM 用于此目的。我们将我们的 DPM 模拟数据集与之前基于生成对抗网络 (GAN) 的最先进结果进行了比较，用于两种临床应用：急性低血压和人类免疫缺陷病毒 (ART for HIV)。鉴于之前对 DPM 缺乏类似的研究，我们工作的核心组成部分涉及探索在广泛的方面使用 DPM 的优势和注意事项。除了评估合成数据集的真实性，我们还在合成数据上训练了强化学习 (RL) 代理，以评估它们在支持下游机器学习模型开发方面的效用。最后，我们估计我们的 DPM 模拟数据集是安全的，并且对公众访问的患者暴露风险较低。



"点击查看英文标题和摘要"