解释临床警报中预测风险的增加
机器学习
2019-07-12 v1 计算机与社会
应用统计
机器学习
摘要
许多工作旨在解释模型对静态输入的预测。我们考虑一种时间设定下的解释，其中状态化动态模型在每个时间步给定输入后产生一系列风险估计。当估计风险增加时，解释的目标是将该增加归因于过去少数相关输入。虽然我们的形式化设定和技术是通用的，但我们在临床设定中进行了深入的案例研究。这里的目标是当患者恶化风险上升时警报临床医生。临床医生随后必须决定是否干预并调整治疗。鉴于自她上次查看患者以来潜在的长序列新事件，简洁的解释有助于她快速分诊该警报。我们开发了将静态归因技术提升到动态设定的方法，其中我们识别并解决了特定于动态的难题。随后我们通过专家评估实验性地评估了不同临床警报解释的效用。
引用
@article{arxiv.1907.04911,
title = {Explaining an increase in predicted risk for clinical alerts},
author = {Michaela Hardt and Alvin Rajkomar and Gerardo Flores and Andrew Dai and Michael Howell and Greg Corrado and Claire Cui and Moritz Hardt},
journal= {arXiv preprint arXiv:1907.04911},
year = {2019}
}