基于变换器的模型通过大规模自监督预训练在纵向电子健康记录的预测建模中取得了显著进展。然而，大多数电子健康记录变换器架构将每次临床就诊视为无序的代码集合，这限制了它们捕捉就诊内有意义关系的能力。图形变换器方法旨在通过建模就诊级结构，同时保留学习长期时间模式的能力，来解决这一限制。GT-BEHRT作为一种图形变换器架构，在MIMIC-IV重症监护结果和“我们所有人”研究项目中的心力衰竭预测中进行了评估...