利用放射学报告与图像改进ICU死亡率预测的实证研究
人工智能
2023-07-18 v1 计算与语言
计算机视觉与模式识别
机器学习
图像与视频处理
摘要
背景：ICU预测评分系统在ICU管理中具有重要作用，因为它能预测重要结局，尤其是死亡率。许多评分系统已在ICU中开发并应用。这些评分系统主要基于电子健康记录（EHR）中的结构化临床数据，可能会丢失叙述文本和图像中的重要临床信息。方法：本工作中，我们构建了一个基于深度学习的多模态数据生存预测模型以预测ICU死亡率。研究了四类特征：（1）简化急性生理评分（SAPS）II的生理测量值，（2）放射科医生预定义的常见胸部疾病，（3）基于BERT的文本表示，以及（4）胸部X光图像特征。我们使用重症监护医学信息集市IV（MIMIC-IV）数据集来评估所提出的模型。结果：我们的模型达到了0.7829的平均C-index（95%置信区间，0.7620-0.8038），大幅超过仅使用SAPS-II特征的基线（0.7470（0.7263-0.7676））。消融研究进一步证明了预定义标签（2.00%）、文本特征（2.44%）和图像特征（2.82%）的贡献。
引用
@article{arxiv.2307.07513,
title = {An empirical study of using radiology reports and images to improve ICU mortality prediction},
author = {Mingquan Lin and Song Wang and Ying Ding and Lihui Zhao and Fei Wang and Yifan Peng},
journal= {arXiv preprint arXiv:2307.07513},
year = {2023}
}
备注
21 pages, 5 figures, 7 tables