A generative digital twin forecasts and simulates intensive care patients without task labels
Het artikel introduceert Didymos, een generatieve transformer met 123 miljoen parameters die is getraind op ongelabelde gegevens van zeven internationale databases, die superieur presteert aan gesuperviseerde modellen bij het voorspellen van uitkomsten voor patiënten op de intensive care en het simuleren van behandelingsreacties, terwijl de privacy gewaarborgd blijft en minimale lokale aanpassing vereist is.