基于终身学习的临床笔记疾病诊断
人工智能
2021-03-08 v2
摘要
当前基于深度学习的疾病诊断系统通常受困于灾难性遗忘,即直接在新任务上微调疾病诊断模型通常导致先前任务性能急剧下降。更糟的是,训练好的诊断系统一旦部署便固定不变,而收集覆盖足够多疾病的训练数据并不可行,这促使我们开发终身学习的诊断系统。本工作中,我们提出采用注意力结合医学实体与上下文,嵌入情景记忆与巩固以保留知识,使所学模型能适应序列化的疾病诊断任务。此外,我们建立了一个名为 Jarvis-40 的新基准,包含从多家医院收集的临床笔记。实验表明所提方法在该基准上可达到最先进的性能。
引用
@article{arxiv.2103.00165,
title = {Lifelong Learning based Disease Diagnosis on Clinical Notes},
author = {Zifeng Wang and Yifan Yang and Rui Wen and Xi Chen and Shao-Lun Huang and Yefeng Zheng},
journal= {arXiv preprint arXiv:2103.00165},
year = {2021}
}
备注
Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD'21)