ISeeU2：基于深度学习和自由文本病历的ICU死亡率可视化可解释预测
机器学习
2020-05-20 v1 计算与语言
机器学习
摘要
准确的死亡率预测使重症监护病房（ICU）能够充分基准化临床实践并识别预后异常的患者。传统上，简单统计模型被用于评估患者死亡风险，其性能常不理想。另一方面，深度学习有望通过利用医疗数据辅助诊断和预测（包括死亡率预测）对临床实践产生积极影响。然而，由于强大的深度学习模型在生成预测时是否关注由可靠医学知识支撑的相关性这一问题尚待解答，需要额外的可解释性工具以建立信任并鼓励临床医生使用AI。本工作中，我们展示了一个在MIMIC-III上训练、利用原始护理记录预测死亡率的深度学习模型，以及针对词重要性的可视化解释。我们的模型达到了0.8629（±0.0058）的ROC，优于传统SAPS-II评分，且相较于同类深度学习方法提供了增强的可解释性。
引用
@article{arxiv.2005.09284,
title = {ISeeU2: Visually Interpretable ICU mortality prediction using deep learning and free-text medical notes},
author = {William Caicedo-Torres and Jairo Gutierrez},
journal= {arXiv preprint arXiv:2005.09284},
year = {2020}
}