利用大流行前人群尺度医疗记录改进基于心电图的 COVID-19 诊断与死亡预测
信号处理
2023-01-12 v2 机器学习
摘要
诸如 COVID-19 之类的大流行意外暴发，并因其对全球健康的潜在破坏性后果而需要立即采取行动。诸如心电图（ECG）之类的床旁常规评估可用于开发预测模型以识别高危个体。然而，尤其是在大流行的早期阶段，临床上标注的医疗数据往往过少，难以开发准确的预测模型。在此类情况下，可利用大流行前的历史健康记录来估计初步模型，随后可基于有限的可用大流行数据进行微调。本研究通过展示在三项不同的 COVID-19 相关诊断与预后预测任务上取得显著性能提升，表明该方法——使用大流行前数据预训练深度学习模型——能够有效工作。类似的迁移学习策略可用于在未来大流行暴发中开发及时的人工智能解决方案。
引用
@article{arxiv.2211.10431,
title = {Improving ECG-based COVID-19 diagnosis and mortality predictions using pre-pandemic medical records at population-scale},
author = {Weijie Sun and Sunil Vasu Kalmady and Nariman Sepehrvand and Luan Manh Chu and Zihan Wang and Amir Salimi and Abram Hindle and Russell Greiner and Padma Kaul},
journal= {arXiv preprint arXiv:2211.10431},
year = {2023}
}
备注
Accepted for NeurIPS 2022 TS4H workshop