用于细粒度 ICU 患者相似性分析与风险预测的超图卷积网络
机器学习
2023-10-24 v2
摘要
重症监护病房（ICU）是医院最重要的组成部分之一，收治危重患者并提供持续监测与治疗。已有多种患者结局预测方法被尝试用于辅助医护人员进行临床决策。现有方法侧重于使用深度神经网络衡量患者间的相似性以捕捉隐藏特征结构，却忽略了高阶关系，例如患者特征（如诊断代码）及其对下游临床预测的因果效应。本文提出一种新颖的超图卷积网络，可在超图中表示诊断代码间的非成对关系以捕捉隐藏特征结构，从而计算细粒度患者相似性，用于个性化死亡风险预测。基于公开可用的 eICU 协作研究数据库评估表明，我们的方法在死亡风险预测上优于最先进的模型。此外，若干案例研究的结果证明了模型决策的有效性与鲁棒性。
引用
@article{arxiv.2308.12575,
title = {Hypergraph Convolutional Networks for Fine-grained ICU Patient Similarity Analysis and Risk Prediction},
author = {Yuxi Liu and Zhenhao Zhang and Shaowen Qin and Flora D. Salim and Antonio Jimeno Yepes and Jun Shen and Jiang Bian},
journal= {arXiv preprint arXiv:2308.12575},
year = {2023}
}
备注
16 pages, 2 figures