在多中心 eICU 重症监护数据集上基准测试机器学习模型
机器学习
2023-07-19 v3 机器学习
摘要
机器学习在重症监护领域的进展难以追踪，部分原因在于缺乏公共基准。其他研究领域（如计算机视觉与自然语言处理）已建立了各类竞赛与公共基准。近期大型临床数据集的可用性使得建立公共基准成为可能。利用此契机，我们提出一个公共基准套件，涵盖重症监护的四个领域，即死亡率预测、住院时长估计、患者表型分型与失代偿风险。我们定义了每项任务，并使用约 73,000 名患者的 eICU 重症监护数据集比较了临床模型以及基线与深度学习模型的性能。这是首个基于多中心重症监护数据集的公共基准，将临床金标准的性能与我们的预测模型进行了比较。我们还研究了数值变量的影响以及分类变量处理对各项已定义任务的作用。详述方法与实验的源代码已公开，任何人皆可复现我们的结果并基于我们的工作继续研究。
引用
@article{arxiv.1910.00964,
title = {Benchmarking machine learning models on multi-centre eICU critical care dataset},
author = {Seyedmostafa Sheikhalishahi and Vevake Balaraman and Venet Osmani},
journal= {arXiv preprint arXiv:1910.00964},
year = {2023}
}
备注
Source code to replicate the results https://github.com/mostafaalishahi/eICU_Benchmark