BernGraph: 基于EHR的药物推荐的概率图神经网络
人工智能
2024-09-12 v3
摘要
医学界认为电子病历（EHR）数据中的二元医疗事件结果包含足够的信息以做出合理的推荐。然而，有效利用此类数据面临两个挑战：（1）即使借助专家知识，建模大量0/1事件结果之间的关系也十分困难；（2）在实践中，由于同等重要的0条目不传播学习信号，学习可能停滞。目前，仅利用二元数据尚无有前景的结果：通常需要访问或辅助信息才能达到可接受的性能。在本文中，我们尝试通过解决这两个困难，构建首个成功的面向二元EHR数据的药物推荐系统，仅使用二元EHR医疗记录做出合理的药物推荐。为此，我们从统计视角将EHR数据视为其队列的样本，并将其转换为连续伯努利概率。转换后的条目不仅以分布建模确定性二元事件，还允许通过条件概率反映事件-事件关系。在该转换之上学习一个图神经网络。它捕获事件间相关性，同时强调事件-患者特征。大量结果表明，所提方法在大规模数据库上取得了最先进的性能，大幅超越使用辅助信息的基线方法。源代码可在 https://github.com/chenzRG/BEHRMecom 获取。
引用
@article{arxiv.2408.09410,
title = {BernGraph: Probabilistic Graph Neural Networks for EHR-based Medication Recommendations},
author = {Xihao Piao and Pei Gao and Zheng Chen and Lingwei Zhu and Yasuko Matsubara and Yasushi Sakurai and Jimeng Sun},
journal= {arXiv preprint arXiv:2408.09410},
year = {2024}
}