图合成EHR生成优化阿片类药物障碍预测

电子健康记录（EHR）数据对临床研究至关重要，但因隐私和再识别风险难以共享，尤其在阿片类药物使用障碍（OUD）等敏感领域。合成数据生成是一种有前景的替代方案，但现有方法在保持多元依赖关系和数据可用性与隐私平衡方面存在不足。一项未同行评审的预印本研究提出了基于图结构的合成EHR生成方法，通过构建图模型捕捉变量间非线性关系，显著改善了数据质量与隐私权衡。在OUD预测任务中，该方法优于现有的MIIC-SDG框架，展示了更好的实用性和隐私保护效果。