HeteroMed：用于医疗诊断的异质信息网络
人工智能
2018-04-24 v1
摘要
随着电子健康记录（EHR）近来的可用性和其为推进医学信息学所提供的巨大机会，挖掘 EHR 以改善医疗质量引起了越来越多的兴趣。疾病诊断由于其敏感性、错误的巨大代价以及复杂性，已成为过去几年研究中日益重要的焦点。现有研究通过捕获临床事件的共现来建模 EHR 以学习其潜在嵌入。然而，临床事件之间的关系承载各种语义，并对疾病诊断有不同贡献，这优先要求比现有方案更先进地对 EHR 数据中的异质数据类型和关系进行建模。为解决这些问题，我们展示了如何将高维 EHR 数据及其丰富关系适当地转化为 HeteroMed，一种用于稳健医疗诊断的异质信息网络。我们的建模方法允许直接处理缺失值和数据的异质性。HeteroMed 利用元路径（metapaths）捕获对疾病诊断有贡献的更高层次和语义重要关系。此外，它采用联合嵌入框架将临床事件表示定制到疾病诊断目标。据我们所知，这是首个使用异质信息网络建模临床数据与疾病诊断的研究。我们的实验结果表明，在预测精确诊断代码和一般疾病队列方面，HeteroMed 相较于先前方法具有更优性能。此外，HeteroMed 在捕获临床事件相似性方面优于基线模型，这通过案例研究进行了定性检验。
引用
@article{arxiv.1804.08052,
title = {HeteroMed: Heterogeneous Information Network for Medical Diagnosis},
author = {Anahita Hosseini and Ting Chen and Wenjun Wu and Yizhou Sun and Majid Sarrafzadeh},
journal= {arXiv preprint arXiv:1804.08052},
year = {2018}
}