Cardea：面向电子健康记录的开放自动化机器学习框架
机器学习
2020-10-02 v1 机器学习
摘要
据估计，2010 至 2018 年间发表了 180 篇聚焦深度学习与 EHR 的论文。尽管这些出版物中存在通用的工作流结构，但目前尚无可信且经验证的软件框架，迫使研究者费力地重复先前工作。在本文中，我们提出 Cardea，一个可扩展的开源自动化机器学习框架，它封装了健康领域的常见预测问题，并允许用户使用自己的数据构建预测模型。该系统依赖两个组件：Fast Healthcare Interoperability Resources（FHIR，电子健康系统的标准化数据结构）以及若干用于自动化特征工程、模型选择与调优的 AUTOML 框架。我们以自适应数据组装器和全面的数据与模型审计能力增强了这些组件。我们在 MIMIC-III 和 Kaggle 数据集上通过 5 项预测任务展示了我们的框架，突显了 Cardea 的人类竞争力、问题定义的灵活性、广泛的特征生成能力、可适应的自动数据组装器及其易用性。
引用
@article{arxiv.2010.00509,
title = {Cardea: An Open Automated Machine Learning Framework for Electronic Health Records},
author = {Sarah Alnegheimish and Najat Alrashed and Faisal Aleissa and Shahad Althobaiti and Dongyu Liu and Mansour Alsaleh and Kalyan Veeramachaneni},
journal= {arXiv preprint arXiv:2010.00509},
year = {2020}
}