【牛津大学】电子医疗记录的生成式对抗网络:应用、评估措施和数据来源综述，A review of Generative Adversarial Networks for Electronic Health Records: applications, evaluation measures and data sources

电子健康记录(EHRs)是促进临床研究和护理点应用的宝贵资产;然而，数据隐私问题等诸多挑战阻碍了它的最佳利用。生成对抗网络(GANs)通过学习底层的数据分布来生成合成的EHR数据，同时实现卓越的性能并解决这些挑战，显示出巨大的前景。这项工作的目的是回顾电子病历系统在不同应用方面的主要发展，并概述方法。为此，我们结合了医疗应用和机器学习技术的视角，从源数据集和生成的综合数据集的保真度和隐私评估方面进行分析。我们还编译使用的指标和数据集的列表回顾工作,可以利用作为该领域的未来研究的基准。最后，我们讨论了GANs在发展电子病历方面面临的挑战，并提出了建议。我们希望这项工作能在医疗保健和机器学习的交叉领域激发新的研究发展方向。