深度电子健康记录：利用医疗笔记进行慢性病预测
机器学习
2018-08-16 v1 计算与语言
机器学习
摘要
可预防疾病的早期检测对于更好的疾病管理、改善干预以及更高效的医疗资源分配十分重要。已开发多种机器学习方法来利用电子健康记录(EHR)中的信息完成此任务。然而，以往多数尝试聚焦于结构化字段，丢失了非结构化笔记中的大量信息。本文提出一个通用的多任务框架用于疾病发病预测，其结合了自由文本医疗笔记与结构化信息。我们比较了不同深度学习架构的性能，包括 CNN、LSTM 与层次化模型。与传统基于文本的预测模型不同，我们的方法不需要特定疾病的特征工程，并且能处理文本中存在的否定词与数值。我们在约 100 万患者的队列上的结果表明，使用文本的模型优于仅用结构化数据的模型，而除原始文本外还能利用文本中数值与否定词的模型进一步提升了性能。此外，我们比较了供医疗专业人员解释模型预测的不同可视化方法。
引用
@article{arxiv.1808.04928,
title = {Deep EHR: Chronic Disease Prediction Using Medical Notes},
author = {Jingshu Liu and Zachariah Zhang and Narges Razavian},
journal= {arXiv preprint arXiv:1808.04928},
year = {2018}
}
备注
Machine Learning for Health Care conference