利用自监督知识整合从入院记录预测临床结局
计算与语言
2021-02-09 v1
摘要
从临床文本预测结局可防止医生忽略可能的风险，并帮助医院规划容量。我们模拟患者入院时刻的情形，此时决策支持尤为有价值，并提出一项新颖的从入院到出院任务，包含四个常见结局预测目标：出院诊断、所施手术、院内死亡及住院时长预测。理想系统应基于患者的症状、既往病症与风险因素推断结局。我们评估了语言模型处理该场景的有效性，并提出临床结局预训练以从多个公共来源整合关于患者结局的知识。我们进一步提出一种将 ICD 编码层次结构纳入模型的简单方法。我们表明，相较于若干基线，我们的方法在结局任务上提升了性能。详细分析揭示了模型的进一步优势，包括可迁移性，但也存在弱点，如生命体征值的处理及底层数据中的不一致性。
引用
@article{arxiv.2102.04110,
title = {Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration},
author = {Betty van Aken and Jens-Michalis Papaioannou and Manuel Mayrdorfer and Klemens Budde and Felix A. Gers and Alexander Löser},
journal= {arXiv preprint arXiv:2102.04110},
year = {2021}
}
备注
EACL 2021