この記事では、電子健康記録（EHR）の多様なデータタイプを統合するCURENetという新しいマルチモーダルモデルが提案されています。患者の健康状態を把握するには、非構造的な臨床ノート、構造化された検査結果、時間差データなどの情報が vital であり、これに基づいて医療従事者は治療の決定を行います。しかし、多くの予測モデルはこれらの相互作用や時間的パターンを十分に捉えることができず、1つのデータタイプに偏りがちです。CURENetは、大規模言語モデル（LLM）を用いて臨床テキストや検査結果を処理し、トランスフォーマーエンコーダーで訪問データを分析することで、異なるデータ形式の複雑な相互作用を把握することが可能です。このモデルは、MIMIC-IIIおよびFEMHデータセットを使用した評価で、慢性疾患の10大予測精度が94%以上であったことが示され、EHRのマルチモーダル統合が臨床決定を改善し、患者の結果を向上させる可能性を示唆しています。