注意力能否用于解释基于EHR的死亡率预测任务：以出血性卒中为例
机器学习
2023-08-11 v1
摘要
卒中是致死和致残的重要原因，需要早期预测策略以最小化风险。评估患者的传统方法，如急性生理与慢性健康评估（APACHE II、IV）和简化急性生理评分III（SAPS III），准确性和可解释性有限。本文提出一种新方法：一种基于注意力的可解释transformer模型，用于早期卒中死亡率预测。该模型旨在解决先前预测模型的局限性，提供可解释性（给出清晰、可理解的模型解释）和保真度（从输入到输出真实解释模型动态）。此外，该研究利用Shapley值和基于注意力的分数探索并比较保真度和可解释性得分，以改进模型可解释性。研究目标包括设计基于注意力的可解释transformer模型、与现有模型比较其性能，以及提供由模型得出的特征重要性。
引用
@article{arxiv.2308.05110,
title = {Can Attention Be Used to Explain EHR-Based Mortality Prediction Tasks: A Case Study on Hemorrhagic Stroke},
author = {Qizhang Feng and Jiayi Yuan and Forhan Bin Emdad and Karim Hanna and Xia Hu and Zhe He},
journal= {arXiv preprint arXiv:2308.05110},
year = {2023}
}