刻画医疗记录中信息的价值

机器学习模型依赖于输入数据的质量。随着电子健康记录的广泛采用，医疗中的数据量不断增长，同时对医疗记录质量的抱怨也在增加。我们使用再入院预测和院内死亡率预测两项预测任务来刻画医疗记录中信息的价值。我们表明，总体而言，医疗记录仅在再入院预测中提供相对于结构化信息的额外预测能力。我们进一步提出了一个探测框架，以选取比使用全部记录能实现更准确预测的笔记部分，尽管所选信息导致了与训练数据（“全部笔记”）的分布偏移。最后，我们证明在所选有价值信息上训练的模型取得了甚至更好的预测性能，对于再入院预测仅使用了全部词元的 6.8%。