患者管理警报系统的条件异常检测方法
机器学习
2026-05-12 v1
摘要
异常检测方法在识别数据中异常或有趣的模式方面非常有用。近期提出的条件异常检测框架扩展了异常检测问题，即识别数据子集上异常模式的问题。该异常始终取决于其余属性的值。本文聚焦于用于检测条件异常的基于实例的方法。该方法依赖于距离度量来识别数据集中最关键的用于检测异常的实例。我们研究 various metrics 和 metric learning 方法，以优化基于实例的异常检测方法的性能。在两个真实世界的检测问题上展示了基于实例的方法的优势：检测社区获得性肺炎患者的异常入院决定，以及检测用于确认肝素诱导小血小板减少（由肝素治疗引起的致命性疾病）的 HPF4 检查异常订单。
引用
@article{arxiv.2605.10847,
title = {Conditional anomaly detection methods for patient-management alert systems},
author = {Michal Valko and Gregory Cooper and Amy Seybert and Shyam Visweswaran and Melissa Saul and Miloš Hauskrecht},
journal= {arXiv preprint arXiv:2605.10847},
year = {2026}
}
备注
Published at Workshop on Machine Learning in Health Care Applications ICML-2008 - MLHealth