使用循环神经网络在儿科重症监护中进行动态死亡风险预测
机器学习
2017-01-25 v1 神经与进化计算
动力系统
定量方法
摘要
将患者的轨迹视为动力系统，我们开发了一种循环神经网络（RNN）来学习一家大型三级医疗中心儿科重症监护室（PICU）中患者就诊的过程。利用了从超过10年间入住 PICU 的约12000名患者的电子病历（EMR）中提取的数据。该 RNN 模型输入一系列测量值，包括生理观察、实验室结果、施用的药物和干预措施，并在用户指定时间生成针对 ICU 内死亡率的随时间动态预测。该 RNN 的 ICU 死亡率预测相比两种临床常用评分和静态机器学习算法有显著改进。
引用
@article{arxiv.1701.06675,
title = {Dynamic Mortality Risk Predictions in Pediatric Critical Care Using Recurrent Neural Networks},
author = {M Aczon and D Ledbetter and L Ho and A Gunny and A Flynn and J Williams and R Wetzel},
journal= {arXiv preprint arXiv:1701.06675},
year = {2017}
}
备注
18 pages (5 of which in appendix), 9 figures