用于药物推荐的条件生成网络
机器学习
2022-02-21 v2
摘要
药物推荐旨在根据患者的诊断提供适当的一组药物，这是临床中的一项关键任务。目前，推荐由医生手动完成。然而，对于复杂病例，例如同时患有多种疾病的患者，即使对于经验丰富的医生也难以提出周全的推荐。这催生了自动药物推荐的需求，其可在治疗确诊疾病的同时避免有害的药物-药物相互作用。由于临床价值，药物推荐已引起日益增长的研究兴趣。现有工作主要将药物推荐表述为预测药物集合的多标签分类任务。本文中，我们提出条件生成网络（COGNet），其引入一种新颖的复制或预测机制来生成药物集合。给定一名患者，所提模型首先检索其历史诊断与药物推荐，并挖掘它们与当前诊断的关系。然后在预测每种药物时，所提模型决定是否从先前的推荐中复制一种药物或预测一种新药。该过程与人类医生的决策过程十分相似。我们在公开 MIMIC 数据集上验证了所提模型，实验结果表明所提模型优于最先进的方法。
引用
@article{arxiv.2202.06588,
title = {Conditional Generation Net for Medication Recommendation},
author = {Rui Wu and Zhaopeng Qiu and Jiacheng Jiang and Guilin Qi and Xian Wu},
journal= {arXiv preprint arXiv:2202.06588},
year = {2022}
}
备注
11 pages. To be published at The Web Conference 2022 (WWW 2022)