CovidCare：将已有电子病历知识迁移至新发传染病以实现可解释预后的方法
机器学习
2020-07-20 v1 人工智能
机器学习
摘要
由于COVID-19的特性，疫情迅速发展并席卷全球卫生服务系统。许多患者遭受全身性危及生命的问题，需在ICU中严密监护。因此亟需智能预后以辅助医师早期干预、预防不良结局并优化医疗资源分配。然而在疫情暴发早期，由于有效诊断机制缺乏、病例稀少及隐私问题，可用于分析的数据有限。本文提出一种基于深度学习的方法CovidCare，其利用现有电子病历（EMR）来增强对新发传染病住院患者的预后。它通过迁移学习基于海量现有EMR数据学习嵌入COVID-19相关医学特征。迁移的参数进一步经知识蒸馏训练以模仿教师模型在源数据集上更全面地嵌入健康状态的表示行为。我们在真实世界COVID-19数据集上进行了患者住院时长预测实验。实验结果表明，我们所提模型一致优于对比基线方法。CovidCare还揭示：1）hs-cTnI、hs-CRP和血小板计数是最具致命性的生物标志物，其异常值通常指示紧急不良结局。2）gamma-GT、AP和eGFR的正常值指示整体健康改善。CovidCare提取的医学发现已由人类专家与医学文献实证确认。
引用
@article{arxiv.2007.08848,
title = {CovidCare: Transferring Knowledge from Existing EMR to Emerging Epidemic for Interpretable Prognosis},
author = {Liantao Ma and Xinyu Ma and Junyi Gao and Chaohe Zhang and Zhihao Yu and Xianfeng Jiao and Wenjie Ruan and Yasha Wang and Wen Tang and Jiangtao Wang},
journal= {arXiv preprint arXiv:2007.08848},
year = {2020}
}