通过医学概念丰富无监督用户嵌入
计算与语言
2022-03-30 v2 机器学习
摘要
电子健康记录（EHR）中的临床笔记呈现了丰富的患者记录信息，可用于推断表型以进行疾病诊断，并研究患者特征以进行队列筛选。无监督用户嵌入旨在无需人工监督地将患者编码为固定长度向量。从临床笔记中提取的医学概念包含患者与其临床类别之间的丰富联系。然而，现有的基于临床笔记的用户嵌入无监督方法并未显式地融入医学概念。在本研究中，我们提出一种概念感知的无监督用户嵌入，其联合利用来自两个临床语料库（MIMIC-III 和 Diabetes）的文本文档与医学概念。我们在外部与内部任务上评估用户嵌入，包括表型分类、院内死亡率预测、患者检索和患者相关性。在两个临床语料库上的实验表明，我们的方法超越了无监督基线，且融入医学概念能显著提升基线性能。
引用
@article{arxiv.2203.10627,
title = {Enriching Unsupervised User Embedding via Medical Concepts},
author = {Xiaolei Huang and Franck Dernoncourt and Mark Dredze},
journal= {arXiv preprint arXiv:2203.10627},
year = {2022}
}
备注
accepted at ACM CHIL 2022. a revision for section reformat