arXiv · cs.AI· Chuanqi Lao, Junzhou Huang, Qiao Liu·· 11 小时前
HiSTOR提出面向高维纵向数据的结构化治疗结果表示学习框架
HiSTOR: Structured Treatment-outcome Representation Learning for High-Dimensional Longitudinal Data
arXiv:2610.17739v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Chuanqi Lao, Junzhou Huang, Qiao Liu
研究任务与主要进展
HiSTOR提出端到端的纵向反事实预测框架，将非线性降维与治疗序列下的潜在结果预测结合，学习患者当前状态和演化历史的结构化低维表示。基于论文摘要，作者称其在CVSim和CancerSim上、针对不同协变量维度、混杂强度和预测范围，优于多种最先进方法；具体实验细节与真实临床验证情况材料未说明。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org