纵向健康记录的持续学习
机器学习
2023-03-28 v1
摘要
持续学习指能够适应新环境同时保留并复用过往经验所获知识的机器学习方法。此类方法解决了非平稳环境中模型面临的两个问题:对新数据泛化能力不足,以及重训练时对先前知识的灾难性遗忘。这在临床场景中是一个普遍问题,其中患者数据不仅在不同人群间、而且随时间持续表现出协变量偏移。然而,尽管持续学习方法在影像领域已初见成效,却鲜少应用于重症监护患者记录特有的多变量序列数据。在此,我们于一系列代表性医疗场景中,在纵向ICU数据上评估多种持续学习方法。我们发现,尽管若干方法缓解了短期遗忘,但域偏移在大量任务序列上仍是挑战,仅基于回放的方法取得了稳定的长期性能。复现全部实验的代码见 https://github.com/iacobo/continual
引用
@article{arxiv.2112.11944,
title = {Continual learning of longitudinal health records},
author = {J. Armstrong and D. Clifton},
journal= {arXiv preprint arXiv:2112.11944},
year = {2023}
}
备注
15 pages, 5 figures