利用生成对抗网络生成捕捉类不平衡分布的合成临床数据：以 HIV 抗逆转录病毒治疗为例
机器学习
2023-01-23 v2
摘要
临床数据因其高度机密性通常无法自由分发，这阻碍了医疗领域机器学习的发展。缓解此问题的一种方法是使用生成对抗网络（GANs）生成逼真的合成数据集。然而，已知 GANs 存在模式崩溃问题，从而产生低多样性的输出。这降低了合成医疗数据的质量，并可能导致其遗漏少数族裔患者或忽略较少见的临床实践。在本文中，我们扩展了经典 GAN 结构，加入一个额外的变分自编码器（VAE）并引入外部记忆，以将来自真实样本的潜在特征重放给 GAN 生成器。以人类免疫缺陷病毒抗逆转录病毒治疗（ART for HIV）为案例研究，我们表明我们的扩展结构克服了模式崩溃，并生成了准确描述真实世界临床变量中常见的严重不平衡类分布的合成数据集。此外，我们证明我们的合成数据集具有非常低的患者披露风险，并且它保留了来自真实数据集的较高效用以支持下游机器学习算法的开发。
引用
@article{arxiv.2208.08655,
title = {Generating Synthetic Clinical Data that Capture Class Imbalanced Distributions with Generative Adversarial Networks: Example using Antiretroviral Therapy for HIV},
author = {Nicholas I-Hsien Kuo and Federico Garcia and Anders Sönnerborg and Maurizio Zazzi and Michael Böhm and Rolf Kaiser and Mark Polizzotto and Louisa Jorm and Sebastiano Barbieri},
journal= {arXiv preprint arXiv:2208.08655},
year = {2023}
}
备注
In the near future, we will make our codes and synthetic datasets publicly available to facilitate future research. Follow us on https://healthgym.ai/