不放弃任何患者：增强罕见病患者的药物推荐
机器学习
2024-08-13 v2
摘要
药物推荐系统在医疗保健领域获得了广泛关注，用作根据患者的临床信息为患者提供量身定制且有效药物组合的手段。然而，现有方法常常存在公平性问题，因为对常见疾病患者的推荐通常比对罕见疾病患者更准确。本文提出了一种新型模型，称为 Robust and Accurate REcommendations for Medication (RAREMed)，它利用预训练-微调学习范式来增强对罕见疾病的准确性。RAREMed 采用统一的输入序列方法的转换器编码器来捕捉疾病和程序代码之间的复杂关系。此外，它引入了两种自监督预训练任务，即序列匹配预测 (SMP) 和自重建 (SR)，以学习特定的药物需求和临床代码之间的关系。在两个真实世界数据集上的实验结果表明，RAREMed 为常见病和罕见病患者都提供了准确的药物组合，从而缓解了药物推荐系统中的不公平问题。
引用
@article{arxiv.2403.17745,
title = {Leave No Patient Behind: Enhancing Medication Recommendation for Rare Disease Patients},
author = {Zihao Zhao and Yi Jing and Fuli Feng and Jiancan Wu and Chongming Gao and Xiangnan He},
journal= {arXiv preprint arXiv:2403.17745},
year = {2024}
}