使用深度学习的疾病表型刻画：以糖尿病为例
机器学习
2018-11-30 v1 机器学习
摘要
患者临床表型的刻画是生物医学信息学的核心。由编码员分配给住院就诊的ICD编码在临床信息有限时，对人群健康和队列发现十分重要。尽管ICD编码由受过培训并获认证的编码专业人员分配，但编码存在显著变异性。我们提出一种使用深度学习方法建模编码员决策并预测ICD编码的方法。我们的方法基于人口统计学、实验室结果、用药以及既往就诊编码进行预测。对于我们所研究的三个测试用例——糖尿病、急性肾衰竭和慢性肾脏病，均能高精度预测已有编码。我们采用一组临床医生以盲法评估真值，并比较编码员、模型和临床医生的预测。当审查模型预测与编码员分配编码之间的差异时，我们的模型优于编码员分配的ICD编码。
引用
@article{arxiv.1811.11818,
title = {Disease phenotyping using deep learning: A diabetes case study},
author = {Sina Rashidian and Janos Hajagos and Richard Moffitt and Fusheng Wang and Xinyu Dong and Kayley Abell-Hart and Kimberly Noel and Rajarsi Gupta and Mathew Tharakan and Veena Lingam and Joel Saltz and Mary Saltz},
journal= {arXiv preprint arXiv:1811.11818},
year = {2018}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018 arXiv:cs/0101200