ICU 血流感染预测：一种基于 Transformer 的 EHR 分析方法
机器学习
2024-05-03 v1
摘要
我们引入了 RatchetEHR，这是一种新颖的基于 Transformer 的框架，专为重症监护室 (ICU) 环境下的电子健康记录 (EHR) 数据预测分析而设计，特别关注血流感染 (BSI) 预测。利用 MIMIC-IV 数据集，RatchetEHR 展示了相比于其他方法（包括 RNN、LSTM 和 XGBoost）更优的预测性能，这主要得益于其对序列和时间性 EHR 数据的高级处理能力。RatchetEHR 的一项关键创新是集成了图卷积 Transformer (GCT) 组件，该组件显著增强了识别 EHR 数据中隐藏结构关系的能力，从而产生更准确的临床预测。通过 SHAP 值分析，我们深入探讨了 BSI 预测的影响特征。RatchetEHR 集成了深度学习的多项进步，即使在样本量相对较小且数据集高度不平衡的情况下，也能共同提供准确的预测。本研究展示了先进人工智能技术在医疗保健中的应用，为医学信息学做出了贡献，并为未来在 EHR 数据分析中优化这些能力的研究奠定了基础。
引用
@article{arxiv.2405.00819,
title = {ICU Bloodstream Infection Prediction: A Transformer-Based Approach for EHR Analysis},
author = {Ortal Hirszowicz and Dvir Aran},
journal= {arXiv preprint arXiv:2405.00819},
year = {2024}
}