Med2Meta：利用元嵌入学习医学概念的表示
计算与语言
2020-01-07 v2 机器学习
摘要
医学概念的分布式表示近来被用于支撑下游临床任务。电子健康记录（EHR）捕捉了患者住院就诊的不同方面，并作为通过学习鲁棒医学概念嵌入来增强临床决策的丰富来源。然而，同一医学概念可记录于不同模态（如临床笔记、实验室结果）中——每种模态捕捉该模态特有的显著信息——而整体性表示需要从所有信息源中集成相关特征。我们假设，从异构数据类型学习到的表示将提升各类临床信息学与预测建模任务的性能。为此，我们提出的方法利用元嵌入（由所学嵌入聚合而成的嵌入）。首先，利用图自编码器学习每个医学概念针对特定模态的嵌入。随后将所有嵌入的集成建模为元嵌入学习问题，通过联合重构来吸纳其相关与互补信息。我们的模型在定量与定性临床评估上的实证结果均优于最先进的嵌入模型，从而验证了我们的假设。
引用
@article{arxiv.1912.03366,
title = {Med2Meta: Learning Representations of Medical Concepts with Meta-Embeddings},
author = {Shaika Chowdhury and Chenwei Zhang and Philip S. Yu and Yuan Luo},
journal= {arXiv preprint arXiv:1912.03366},
year = {2020}
}
备注
9 pages