MedDiffusion：通过基于扩散的数据增强提升健康风险预测
机器学习
2023-10-09 v2 人工智能
摘要
健康风险预测是医疗领域预测建模中的基础任务之一，旨在利用患者历史电子健康记录（EHR）预测其未来可能面临的潜在健康风险。研究者已开发若干风险预测模型以应对 EHR 数据的独特挑战，如序列性、高维度和固有噪声。这些模型取得了令人印象深刻的成果。然而，削弱其有效性的一个关键问题是数据不足。已引入多种数据生成与增强方法，通过学习潜在数据分布来扩展训练数据集规模以缓解该问题。但这些方法的性能常因其与任务无关的设计而受限。为克服这些不足，本文提出一种新颖的端到端基于扩散的风险预测模型，名为 MedDiffusion。它通过在训练期间生成合成患者数据以扩大样本空间，从而提升风险预测性能。此外，MedDiffusion 利用逐步注意力机制辨识患者就诊间的隐藏关系，使模型自动保留生成高质量数据最关键的信息。在四个真实世界医疗数据集上的实验评估表明，MedDiffusion 在 PR-AUC、F1 和 Cohen's Kappa 上优于 14 个前沿基线。我们还进行了消融研究并将模型与基于 GAN 的替代方案基准比较，以进一步验证模型设计的合理性与适应性。此外，我们分析了生成数据，为模型可解释性提供新的见解。
引用
@article{arxiv.2310.02520,
title = {MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation},
author = {Yuan Zhong and Suhan Cui and Jiaqi Wang and Xiaochen Wang and Ziyi Yin and Yaqing Wang and Houping Xiao and Mengdi Huai and Ting Wang and Fenglong Ma},
journal= {arXiv preprint arXiv:2310.02520},
year = {2023}
}