MIMIC-IV
由麻省理工学院与贝斯以色列女执事医疗中心联合维护的大型去标识化临床数据库，包含逾40万次ICU及住院就诊记录，是医疗AI研究领域使用最广泛的公开数据集之一
核心事实
时间轴 (近 90 天)
研究在120个真实的MIMIC-IV急诊病例上，针对五个模型家族和四种聚合拓扑进行了全因子实验，共20个实验单元。
研究从 TrialGPT 以及基于 MIMIC-III 和 MIMIC-IV 构建的问答数据集中抽取了 2,048 对测试患者-条件对。
一项针对MIMIC-IV的新研究构建了三种JEPA变体，在EHR表示学习上评估其性能。
该研究在MIMIC-IV数据集上对BD与AR进行了系统对比实验。
ehr2rl 是一个用 Python 编写的库，用于将 MIMIC-IV 电子病历数据转换为离线强化学习数据集。
ehr2rl 从 ICU 输入事件中提取血管升压药和液体剂量作为动作，并按照用户自定义的分箱边界进行离散化。
研究团队基于MIMIC-IV医疗数据库构建了MIMIC-IV-Ext-DischargeBench数据集，包含477个病例，覆盖24个ICD疾病章节
MIMIC-III 涵盖2001—2012年间约4万名重症监护患者数据，MIMIC-IV 将时间范围延伸至2008—2019年
研究团队在 MIMIC-III 和 MIMIC-IV 数据集上验证了 HERMES，任务为院内死亡率预测和30天再入院预测
MIMIC-IV相较于MIMIC-III（2016年发布）采用了更现代的数据结构，分为hosp和icu两大模块，新增急诊科数据，并将时间覆盖范围扩展至2019年
还有 2 条时间轴事件
全部知识事实 (12)
MIMIC-IV是由MIT计算生理学实验室与Beth Israel Deaconess医学中心联合维护的大规模临床数据库，涵盖2008年至2019年间数十万名ICU患者的去标识化电子健康记录
75%待验证研究在120个真实的MIMIC-IV急诊病例上，针对五个模型家族和四种聚合拓扑进行了全因子实验，共20个实验单元。
50%待验证研究从 TrialGPT 以及基于 MIMIC-III 和 MIMIC-IV 构建的问答数据集中抽取了 2,048 对测试患者-条件对。
50%待验证该研究在MIMIC-IV数据集上对BD与AR进行了系统对比实验。
50%待验证ehr2rl 是一个用 Python 编写的库，用于将 MIMIC-IV 电子病历数据转换为离线强化学习数据集。
50%待验证ehr2rl 从 ICU 输入事件中提取血管升压药和液体剂量作为动作，并按照用户自定义的分箱边界进行离散化。
50%待验证研究团队基于MIMIC-IV医疗数据库构建了MIMIC-IV-Ext-DischargeBench数据集，包含477个病例，覆盖24个ICD疾病章节
50%待验证MIMIC-III 涵盖2001—2012年间约4万名重症监护患者数据，MIMIC-IV 将时间范围延伸至2008—2019年
50%待验证研究团队在 MIMIC-III 和 MIMIC-IV 数据集上验证了 HERMES，任务为院内死亡率预测和30天再入院预测
50%待验证MIMIC-IV相较于MIMIC-III（2016年发布）采用了更现代的数据结构，分为hosp和icu两大模块，新增急诊科数据，并将时间覆盖范围扩展至2019年
50%待验证本研究使用的数据集包含6,882名患者和54,694个时间窗口，实验设置为使用24小时历史数据预测未来6小时的生理指标变化
50%待验证一项针对MIMIC-IV的新研究构建了三种JEPA变体，在EHR表示学习上评估其性能。
50%