MedGCN：基于图卷积网络的用药推荐与实验室检查值填补
机器学习
2022-02-07 v3 人工智能
机器学习
摘要
实验室检查与药物处方是日常临床实践中最重要的两项常规工作。开发一个能够自动进行实验室检查填补和用药推荐的人工智能系统，可节省潜在冗余实验室检查的成本，并为医生提供更为有效的处方信息。我们提出了一种智能医疗系统（名为 MedGCN），它可基于患者不完整的实验室检查自动推荐用药，甚至能准确估计未进行的实验室检测值。在我们的系统中，我们将多种医疗实体之间复杂的关系与其固有特征集成到一个异质图中。随后我们对图进行建模，基于图卷积网络（GCN）学习图中每个实体的分布式表示。通过图卷积网络的传播，实体表示能够融合多种类型的医疗信息，从而有益于多项医疗任务。此外，我们引入了一种交叉正则化策略，通过多任务间的交互来减少多任务训练的过拟合。在本研究中，我们构建了一个关联四类医疗实体（即患者、就诊记录、实验室检查和药物）的图，并应用图神经网络学习节点嵌入以用于用药推荐和实验室检查填补。我们在两个真实世界数据集 NMEDW 和 MIMIC-III 上验证了 MedGCN 模型。两个数据集上的实验结果均表明，我们的模型在两项任务上均优于最先进方法。我们相信这一创新系统能为辅助医生开具药物处方并节省潜在冗余实验室检查成本提供一条有前景且可靠的途径。
引用
@article{arxiv.1904.00326,
title = {MedGCN: Medication recommendation and lab test imputation via graph convolutional networks},
author = {Chengsheng Mao and Liang Yao and Yuan Luo},
journal= {arXiv preprint arXiv:1904.00326},
year = {2022}
}