融合辅助文本的协作图学习用于医疗时序事件预测
机器学习
2021-05-18 v1 人工智能
信息检索
摘要
准确且可解释的健康事件预测对于医疗提供者制定患者护理计划正变得至关重要。电子健康记录（EHR）的可用性使得机器学习在提供这些预测方面取得了进展。然而，许多基于深度学习的方法在解决几个关键挑战时不能令人满意：1）有效利用疾病领域知识；2）协作学习患者与疾病的表示；3）纳入非结构化文本。为解决这些问题，我们提出一种协作图学习模型来探索患者-疾病交互与医学领域知识。我们的方案能够捕获患者与疾病的结构特征。所提模型还采用注意力调节策略利用非结构化文本数据，并将注意力文本特征整合进序列学习过程。我们在两个重要的医疗问题上进行了大量实验，以展示所提方法相较于多种最先进模型的竞争性预测性能。我们还通过一组消融与案例研究确认了所学表示的有效性与模型可解释性。
引用
@article{arxiv.2105.07542,
title = {Collaborative Graph Learning with Auxiliary Text for Temporal Event Prediction in Healthcare},
author = {Chang Lu and Chandan K. Reddy and Prithwish Chakraborty and Samantha Kleinberg and Yue Ning},
journal= {arXiv preprint arXiv:2105.07542},
year = {2021}
}