用于临床预测的深度生理状态空间模型
机器学习
2019-12-05 v1 机器学习
摘要
基于电子病历（EMR）的临床预测能够从纵向临床测量序列中揭示患者状况与结局之间的时间相关性。本工作中，我们提出一种干预增强的深度状态空间生成模型，通过显式建模患者潜在状态的动力学来捕捉临床测量与干预之间的相互作用。基于该模型，我们能够对未来观测与干预的轨迹进行联合预测。实证评估表明，在真实EMR数据上，我们所提模型优于几种最先进的方法。
引用
@article{arxiv.1912.01762,
title = {Deep Physiological State Space Model for Clinical Forecasting},
author = {Yuan Xue and Denny Zhou and Nan Du and Andrew Dai and Zhen Xu and Kun Zhang and Claire Cui},
journal= {arXiv preprint arXiv:1912.01762},
year = {2019}
}