利用自然语言方法增强特征表示以改善抗生素管理
机器学习
2024-06-03 v1 人工智能
计算与语言
摘要
耐药细菌的迅速出现被公认为全球医疗危机，削弱了救命抗生素的效力。这场危机是由抗生素的不当使用和过度使用驱动的，这加剧了细菌耐药性。作为回应，本研究探索使用临床决策支持系统，通过整合电子健康记录（EHR）来增强该系统，以改善抗生素管理。然而，EHR系统存在许多数据层面的挑战，使得数据的有效综合和利用变得复杂。在这项工作中，我们将EHR数据转换为序列化的文本表示，并采用预训练的基础模型来展示这种增强的特征表示如何有助于抗生素敏感性预测。我们的结果表明，这种文本表示与基础模型相结合，为提高可解释性和支持抗生素管理工作提供了有价值的工具。
引用
@article{arxiv.2405.20419,
title = {Enhancing Antibiotic Stewardship using a Natural Language Approach for Better Feature Representation},
author = {Simon A. Lee and Trevor Brokowski and Jeffrey N. Chiang},
journal= {arXiv preprint arXiv:2405.20419},
year = {2024}
}