En ny forskningsmetode, ReCoGen, kan generere fysiologiske signaler – som blodtryk eller glukoseniveauer – ud fra andre tilgængelige data, selv når disse er ufuldstændige. Metoden, beskrevet i en ny artikel på arXiv, adresserer et centralt problem i klinisk monitorering: mange af de mest informative signaler kræver invasive eller dyre procedurer og er ofte ikke tilgængelige for den enkelte patient.
ReCoGen fungerer i to trin: Først trænes en autoencoder per datatype til at kondensere tidsvarierende signaler til kompakte tokens, der er robuste over for manglende data. Derefter bruges en flow-matching-generator til at fusionere disse tokens med statiske variabler og generere det ønskede signal. Ifølge forfatterne opnår metoden den bedste downstream-nytteværdi i alle 16 testede kombinationer af datasæt, opgaver og målinger, og overgår seks eksisterende konditionelle generatorer. I 13 af tilfældene når eller overstiger den endda nytteværdien fra det rigtige signal – et resultat, forskerne selv beskriver som en reference, ikke et loft.
For beslutningstagere i sundhedssektoren betyder dette, at rutinemæssigt indsamlede data kan blive til informative surrogater for invasive eller utilgængelige målinger. Det kan føre til mindre invasiv og billigere kontinuerlig monitorering – en potentiel gamechanger for både hospitaler og medicinsk udstyrsindustri. Metoden er dog stadig på forskningsstadiet, og klinisk validering er nødvendig, før den kan implementeres i praksis.
