用于改善患者照护的动态医疗嵌入方法
机器学习
2023-03-22 v1 人工智能
定量方法
摘要
随着医院迈向计算系统的自动化与集成，更细粒度的医院运营数据正变得可用。这些数据包括医院建筑图纸、患者与医护人员交互日志、处方数据、操作数据，以及患者入院、出院和转科数据。这为改善患者照护的医疗相关预测任务开辟了诸多引人入胜的途径。然而，为了在这些任务中利用现成的机器学习软件，需要从异构动态数据流中学习所涉及实体的结构化表示。在此，我们提出 DECENT，一种自编码异构共演化动态神经网络，用于从多样数据流中学习患者、医生、病房和药物的异构动态嵌入。这些嵌入基于静态属性与动态交互刻画医生、病房、患者和药物之间的相似性。DECENT 支持多种医疗预测应用，例如预测患者死亡风险与病例严重程度、不良事件（如转回重症监护室）以及未来的医疗相关感染。在预测建模中使用所学患者嵌入的结果显示，相较于 SOTA 基线，DECENT 在死亡风险预测任务上提升达 48.1%，在病例严重程度预测任务上提升 12.6%，在内科重症监护室转科任务上提升 6.4%，在艰难梭菌（C.diff）感染（CDI）预测任务上提升 3.8%。此外，对所学医生、药物和病房嵌入的案例研究表明，我们的方法学到了有意义且可解释的嵌入。
引用
@article{arxiv.2303.11563,
title = {Dynamic Healthcare Embeddings for Improving Patient Care},
author = {Hankyu Jang and Sulyun Lee and D. M. Hasibul Hasan and Philip M. Polgreen and Sriram V. Pemmaraju and Bijaya Adhikari},
journal= {arXiv preprint arXiv:2303.11563},
year = {2023}
}
备注
To be published in IEEE/ACM ASONAM 2022