利用医学命名实体与多模态学习改进院内死亡预测
计算与语言
2018-12-05 v2 人工智能
机器学习
摘要
除结构化临床数据外,临床文本为评估住院患者 acuity 提供了必要信息。在本研究中,我们探索临床文本如何补充临床预测学习任务。我们利用内部医学自然语言处理服务对临床记录进行命名实体抽取与否定检测,并将选定实体组合为新文本语料以训练文档表征。随后我们提出一种多模态神经网络,联合训练时间序列信号与非结构化临床文本表征,以预测 ICU 患者的院内死亡风险。我们的模型以 2% AUC 优于基准。
引用
@article{arxiv.1811.12276,
title = {Improving Hospital Mortality Prediction with Medical Named Entities and Multimodal Learning},
author = {Mengqi Jin and Mohammad Taha Bahadori and Aaron Colak and Parminder Bhatia and Busra Celikkaya and Ram Bhakta and Selvan Senthivel and Mohammed Khalilia and Daniel Navarro and Borui Zhang and Tiberiu Doman and Arun Ravi and Matthieu Liger and Taha Kass-hout},
journal= {arXiv preprint arXiv:1811.12276},
year = {2018}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018 arXiv:1811.07216