基于区域电子健康记录库开发知识增强的慢性病风险预测模型
人工智能
2017-08-01 v1 应用统计
摘要
精准医学需要精准的疾病风险预测模型。文献中已有许多成熟的（国际）国家风险模型，但将其应用于本地人群时，预测性能变得不尽如人意。为解决本地化问题，本文探索了开发知识增强的本地化风险模型的方法。一方面，我们通过从区域电子健康记录（EHR）库中学习来调整模型；另一方面，我们提出在EHR数据学习过程中注入知识。在实验中，我们利用汇总队列方程（PCE，ACC/AHA指南中推荐用于估计动脉粥样硬化性心血管疾病（ASCVD）风险）来开发一个针对糖尿病的本地化ASCVD风险预测模型。实验结果表明，如果直接在我们的队列上使用PCE算法，AUC仅为0.653，而我们的知识增强本地化风险模型可以达到更高的预测性能，AUC为0.723（提高了10.7%）。
引用
@article{arxiv.1707.09706,
title = {Developing Knowledge-enhanced Chronic Disease Risk Prediction Models from Regional EHR Repositories},
author = {Jing Mei and Eryu Xia and Xiang Li and Guotong Xie},
journal= {arXiv preprint arXiv:1707.09706},
year = {2017}
}