一种简单且可解释的医疗保健预测模型
机器学习
2022-06-01 v1 机器学习
应用统计
摘要
基于深度学习的模型目前主导着大多数疾病预测的最先进解决方案。现有工作采用RNN以及多级注意力机制来提供可解释性。这些深度学习模型拥有数以百万计的可训练参数，需要大量的计算和数据的训练与部署。这些需求有时过于巨大，以至于使得此类模型的使用不可行。我们通过开发一种更简单但可解释的基于非深度学习的模型应用于EHR数据来应对这些挑战。我们对预测诊断首次发生这一任务建模并展示了我们工作的结果，该任务在现有工作中常被忽视。我们推动了基于树的模型的能力，并为更复杂的模型给出了一个强基线。其性能显示出相对于基于深度学习的解决方案（无论有无首次发生约束）的提升，同时保持了可解释性。
引用
@article{arxiv.2007.13351,
title = {A Simple and Interpretable Predictive Model for Healthcare},
author = {Subhadip Maji and Raghav Bali and Sree Harsha Ankem and Kishore V Ayyadevara},
journal= {arXiv preprint arXiv:2007.13351},
year = {2022}
}
备注
7 pages, 10 figures