机器学习诊断决策支持中的诊断患病率与效能
应用统计
2020-06-25 v1 信息检索
机器学习
摘要
许多近期研究使用机器学习预测少量 ICD-9-CM 编码。而在实践中,医师必须考虑更广范围的诊断。本研究旨在基于电子健康记录属性预测 ICD-9-CM 编码,并展示诊断患病率与系统性能之间的关系,从而将这些先前不一致的评估设定置于更平等的 footing。我们从 MIMIC-III 数据集中提取每次入院的患者特征。我们训练并评估了 43 种不同的机器学习分类器。其中最为成功的分类器是多層感知机(Multi-Layer Perceptron)。与通用机器学习预期一致,我们观察到所有分类器的 F1 分数随疾病患病率下降而降低。分数从 50 个最常见 ICD-9-CM 编码的 0.28 降至 1000 个最常见 ICD-9-CM 编码的 0.03。统计分析显示疾病患病率与效能呈中等正相关(0.5866)。
引用
@article{arxiv.2006.13737,
title = {Diagnosis Prevalence vs. Efficacy in Machine-learning Based Diagnostic Decision Support},
author = {Gil Alon and Elizabeth Chen and Guergana Savova and Carsten Eickhoff},
journal= {arXiv preprint arXiv:2006.13737},
year = {2020}
}
备注
AMIA Joint Summits in Translational Science, 2020