一种面向稀疏医疗记录的基于图的插补方法
人工智能
2021-11-18 v1
摘要
电子医疗记录（EHR）极为稀疏。在个体一生中仅观察到一小部分事件（症状、诊断和治疗方法）。EHR 的高度缺失可归因于大量因素，包括设备失效、隐私顾虑或其他意外原因。遗憾的是，许多传统插补方法并不适用于高度稀疏数据，且在高维数据集上扩展性差。本文提出一种基于图的插补方法，该方法对稀疏性和不可靠的未测量事件均具有鲁棒性。在性能和运行时间方面，我们的方法优于若干标准及最先进（state-of-the-art）的插补方法。此外，结果表明该模型学会以具有临床意义的方式嵌入不同事件类型。我们的工作可基于既往事件的临床史促进新疾病的诊断，并有望增进我们对共病图景的理解。
引用
@article{arxiv.2111.09084,
title = {A Graph-based Imputation Method for Sparse Medical Records},
author = {Ramon Vinas and Xu Zheng and Jer Hayes},
journal= {arXiv preprint arXiv:2111.09084},
year = {2021}
}