Medi-Care AI：基于鲁棒循环神经网络从账单编码预测药物
机器学习
2020-01-29 v1 机器学习
摘要
本文中，我们提出一种基于鲁棒循环神经网络(RNNs)的有效深度预测框架，用于在给定患者记录中诊断账单编码序列的情况下，预测其可能服用的药物的治疗类别。由于不确定的错误与遗漏，准确捕获给定患者当前服用药物清单极具挑战。我们提出一种通用鲁棒框架，分别通过对输入账单编码施加随时间衰减机制、向循环隐藏状态注入噪声，来显式建模可能的污染。借此，账单编码被重构为各医学变量带衰减率的时序模式，且RNNs的隐藏状态由随机噪声正则化，该噪声充当dropout以提升RNNs对缺失值与多错误所致数据变异的鲁棒性。所提方法在真实医疗数据上广泛评估，证明了其从受污染值建议药物医嘱的有效性。
引用
@article{arxiv.2001.10065,
title = {Medi-Care AI: Predicting Medications From Billing Codes via Robust Recurrent Neural Networks},
author = {Deyin Liu and Lin Wu and Xue Li},
journal= {arXiv preprint arXiv:2001.10065},
year = {2020}
}
备注
Under Review for Neural Networks