生成具有多种数据类型与约束条件的电子健康记录
机器学习
2020-03-25 v2 计算机与社会
机器学习
摘要
大规模共享电子健康记录（EHRs）可能导致隐私泄露。近期研究表明，通过生成对抗网络（GAN）框架模拟 EHRs 可缓解此类风险。然而，现有方法存在局限：1）侧重于生成单一类型数据（如诊断代码），忽略了其他数据类型（如人口统计学信息、手术或生命体征）；2）未表征特征间的约束关系。本文提出一种模拟由多种数据类型组成 EHRs 的方法，通过 1）改进 GAN 模型、2）考虑特征约束、3）引入此类生成任务的关键效用度量。我们使用范德比尔特大学医学中心超过 条 EHRs 进行分析，结果表明新模型在保留真实数据的基本统计量、跨特征相关性、潜在结构特性、特征约束及关联模式方面性能更优，且不牺牲隐私。
引用
@article{arxiv.2003.07904,
title = {Generating Electronic Health Records with Multiple Data Types and Constraints},
author = {Chao Yan and Ziqi Zhang and Steve Nyemba and Bradley A. Malin},
journal= {arXiv preprint arXiv:2003.07904},
year = {2020}
}