HealthGAT：使用图注意力网络的电子健康记录节点分类
机器学习
2024-03-28 v1 计算机与社会
摘要
尽管电子健康记录（EHR）广泛应用于医疗保健的各个领域，但大多数应用仍使用其原始（表格）格式。依赖原始或简单的数据预处理会极大限制使用EHR的下游任务的性能甚至适用性。为解决这一挑战，我们提出了HealthGAT，一种新颖的图注意力网络框架，它利用分层方法从EHR生成嵌入，超越了传统的基于图的方法。我们的模型迭代地优化医疗代码的嵌入，从而改进EHR数据分析。我们还引入了定制的以EHR为中心的辅助预训练任务，以利用数据中蕴含的丰富医学知识。该方法提供了对复杂医疗关系的全面分析，并在标准数据表示技术基础上取得了显著进步。通过与已有方法论的全面评估，HealthGAT在各种医疗场景中证明了其有效性。具体而言，我们的模型在节点分类和下游任务（如预测再入院和诊断分类）中表现出色。我们的代码可在https://github.com/healthylaife/HealthGAT获取。
引用
@article{arxiv.2403.18128,
title = {HealthGAT: Node Classifications in Electronic Health Records using Graph Attention Networks},
author = {Fahmida Liza Piya and Mehak Gupta and Rahmatollah Beheshti},
journal= {arXiv preprint arXiv:2403.18128},
year = {2024}
}