AttDMM：一种用于重症监护病房风险评分的注意力深度马尔可夫模型
机器学习
2021-02-18 v2 人工智能
摘要
重症监护病房（ICU）的临床实践要求当患者病情即将恶化时发出早期预警，以便采取预防措施。为此，已开发出多种预测算法来估计 ICU 中的死亡风险。在本工作中，我们提出了一种用于 ICU 实时风险评分的新型生成式深度概率模型。具体而言，我们开发了一种称为 AttDMM 的注意力深度马尔可夫模型。据我们所知，AttDMM 是首个联合学习长期疾病动态（通过注意力机制）与健康轨迹中不同疾病状态（通过潜变量模型）的 ICU 预测模型。我们的评估基于一个成熟的基线数据集（MIMIC-III），包含 53,423 次 ICU 住院记录。结果证实，与最先进的基线相比，我们的 AttDMM 更优：AttDMM 的受试者工作特征曲线下面积（AUROC）达到 0.876，较最先进方法提升了 2.2%。此外，AttDMM 的风险评分可提前数小时发出预警。由此，我们的模型展示了一条识别高危患者的路径，使医疗从业者能够早期干预并挽救患者生命。
引用
@article{arxiv.2102.04702,
title = {AttDMM: An Attentive Deep Markov Model for Risk Scoring in Intensive Care Units},
author = {Yilmazcan Özyurt and Mathias Kraus and Tobias Hatt and Stefan Feuerriegel},
journal= {arXiv preprint arXiv:2102.04702},
year = {2021}
}