从电子病历中学习治疗方案
计算机与社会
2018-06-21 v1 人工智能
机器学习
摘要
适当的治疗方案在改善患者健康状况中起着至关重要的作用。尽管已取得一些成就，但近期关于治疗方案学习的研究很少利用不同类型的患者信息，因为异构数据难以应用于许多数据挖掘方法。此外，当前研究似乎过于僵化，治疗周期的固定间隔与住院时长的变化不匹配。为此，本文提出了一种通用的数据驱动框架，该框架通过利用混合变量受限玻尔兹曼机并结合医学领域知识，从电子病历中推导出群体治疗方案。我们以冠状动脉疾病为案例进行了实验。结果表明，该框架具有前景，能够辅助医生进行临床决策。
引用
@article{arxiv.1806.07461,
title = {Learning Treatment Regimens from Electronic Medical Records},
author = {Khanh-Hung Hoang and Tu-Bao Ho},
journal= {arXiv preprint arXiv:1806.07461},
year = {2018}
}
备注
This is a post-peer-review, pre-copyedit version of an article published in PAKDD 2018's proceeding