基于 Transformer 的医疗保险索赔编码器的可解释健康风险预测器
机器学习
2021-05-21 v1 人工智能
计算与语言
摘要
2019 年，美国医疗保险和医疗补助服务中心（CMS）发起了人工智能（AI）健康结果挑战赛，寻求预测价值导向医疗中风险的解决方案，以纳入 CMS 创新中心的支付与服务交付模型。近来，现代语言模型在若干健康相关任务中发挥了关键作用。本文据我们所知首次将这些模型应用于患者再入院预测。为此，我们基于 CMS 发布的有限数据集（LDS）创建了包含 120 万份病史样本的数据集。此外，我们提出了以深度学习框架为核心的全面建模方案来处理该数据。为展示该框架，我们训练了一个基于注意力的 Transformer 来学习 Medicare 语义，以支持执行下游预测任务，从而在再入院分类上达到 0.91 AUC 与 0.91 召回率。我们还引入了新颖的数据预处理流水线，并讨论了围绕模型可解释性与偏差的相关部署考量。
引用
@article{arxiv.2105.09428,
title = {Explainable Health Risk Predictor with Transformer-based Medicare Claim Encoder},
author = {Chuhong Lahlou and Ancil Crayton and Caroline Trier and Evan Willett},
journal= {arXiv preprint arXiv:2105.09428},
year = {2021}
}