稀疏电子健康记录中未知缺失性的插值
机器学习
2026-02-25 v1 人工智能
摘要
机器学习在推动医疗领域发展方面具有巨大潜力，而电子健康记录(EHR)是主要的数据来源。然而，EHR 常呈稀疏且包含缺失数据，由于数据收集和在不同医疗提供者之间共享的各种挑战和限制。现有的缺失值插值技术主要关注已知的未知情况，例如实验室检测结果缺失或不可用；大多数方法不明确处理难以区分什么是缺失的情况。例如，EHR 中缺失的诊断代码可能意味着患者未被诊断为该疾病，或患者已被诊断但未被提供者共享。此类情况落入未知未知范式。为了应对这一挑战，我们开发了一个通用算法，用于去噪数据以恢复 EHR 中未知缺失值。我们设计了一个基于 transformer 的去噪神经网络，其中输出被自适应阈值化，以在预测数据缺失时恢复值。我们的结果表明，在真实 EHR 数据集上，与现有插值方法相比，我们的方法在去噪医疗代码方面实现了更好的准确率，并在使用去噪后数据进行下游任务时提升了性能。特别是，当将本方法应用于真实世界应用——从 EHR 预测住院再入院时，我们的方法在所有现有基准方法上实现了统计显著的改进。
关键词
引用
@article{arxiv.2602.20442,
title = {Imputation of Unknown Missingness in Sparse Electronic Health Records},
author = {Jun Han and Josue Nassar and Sanjit Singh Batra and Aldo Cordova-Palomera and Vijay Nori and Robert E. Tillman},
journal= {arXiv preprint arXiv:2602.20442},
year = {2026}
}