文献增强的临床结局预测
计算与语言
2022-11-17 v3 人工智能
信息检索
摘要
我们提出 BEEP（生物医学证据增强预测），一种用于临床结局预测的新方法，该方法检索患者特定的医学文献并将其整合到预测模型中。基于每位患者的临床记录，我们训练语言模型（LMs）来查找相关论文，并将其与记录中的信息融合以预测诸如院内死亡率等结局。我们开发了基于嘈杂、信息密集的患者记录检索文献的方法，以及以最大化预测精度的方式用检索到的论文增强现有结局预测模型的方法。与强劲的近期 LM 基线相比，我们的方法在三项重要临床任务上提升了预测性能，将 F1 提高至多 5 个点，并将 precision@Top-K 大幅提升超过 25%。
引用
@article{arxiv.2111.08374,
title = {Literature-Augmented Clinical Outcome Prediction},
author = {Aakanksha Naik and Sravanthi Parasa and Sergey Feldman and Lucy Lu Wang and Tom Hope},
journal= {arXiv preprint arXiv:2111.08374},
year = {2022}
}
备注
Published at Findings of NAACL 2022. Extended Abstract presented at Machine Learning for Health (ML4H) symposium 2022, November 28th, 2022, New Orleans, United States & Virtual, http://www.ml4h.cc, 16 pages. Code available at: https://github.com/allenai/BEEP