在生存分析中利用放射学报告深度表示预测心力衰竭患者死亡率
计算与语言
2021-05-04 v1
摘要
在生存分析中使用临床文本是困难的，因为它们大体上非结构化。当前的自动提取模型未能全面捕获文本信息，因为其标签范围有限。此外，它们通常需要大量数据和高品质专家标注用于训练。在这项工作中，我们提出了一种新方法，使用基于 BERT 的临床文本隐藏层表示作为比例风险模型的协变量来预测患者生存结果。我们表明隐藏层比预定义特征产生明显更准确的预测，在 C-index 和时间依赖 AUC 上平均超越先前基线模型 5.7%。我们的工作公开于 https://github.com/bionlplab/heart_failure_mortality。
引用
@article{arxiv.2105.01009,
title = {Leveraging Deep Representations of Radiology Reports in Survival Analysis for Predicting Heart Failure Patient Mortality},
author = {Hyun Gi Lee and Evan Sholle and Ashley Beecy and Subhi Al'Aref and Yifan Peng},
journal= {arXiv preprint arXiv:2105.01009},
year = {2021}
}
备注
NAACL-HLT 2021, Short Paper