融合人口统计学信息的电子病历概率化医学知识图谱嵌入
信息检索
2021-04-06 v2 人工智能
机器学习
摘要
由电子病历(EMR)构建的医学知识图谱(KG)包含关于患者与医学实体的丰富信息。在这些数据上应用KG嵌入模型已被证明对多种医学任务高效。然而，现有模型未能恰当纳入患者人口统计学特征，且大多忽略了医学KG的概率特性。在本文中，我们提出DARLING（Demographic Aware pRobabiListic medIcal kNowledge embeddinG，人口统计学感知概率化医学知识嵌入），一种人口统计学感知的医学KG嵌入框架，通过将患者人口统计学特征与相应超平面关联，将其显式地纳入医学实体空间。我们的框架利用医学实体内的概率特征，通过人口统计学引导来学习其表示。我们在由EMR数据构建的医学KG上，通过治疗与药物的链接预测评估了DARLING，并展示了其相对于现有KG嵌入模型的优越性能。
引用
@article{arxiv.2103.11951,
title = {Demographic Aware Probabilistic Medical Knowledge Graph Embeddings of Electronic Medical Records},
author = {Aynur Guluzade and Endri Kacupaj and Maria Maleshkova},
journal= {arXiv preprint arXiv:2103.11951},
year = {2021}
}
备注
Artificial Intelligence in Medicine 2021 (AIME 2021)