MedLens：通过医疗体征筛选与回归改进死亡率预测
机器学习
2023-11-07 v2 人工智能
摘要
监测患者健康状况并提前预测死亡率对于为患者提供及时护理和治疗至关重要。电子健康记录（EHR）中的大量医疗体征被拟合到先进的机器学习模型中以进行预测。然而，原始临床体征的数据质量问题在文献中较少被讨论。基于对各类医疗体征与大量患者入院记录之间缺失率和相关性评分的深入度量，我们发现综合缺失率极高，且大量无用体征会损害预测模型的性能。然后我们得出结论，只有改善数据质量才能提高不同预测算法的基线准确率。我们设计了MEDLENS，其通过统计方法实现自动关键医疗体征筛选，并采用针对高缺失率时间序列的灵活插值方法。在增强原始医疗体征的数据质量后，MEDLENS应用集成分类器以提升准确率并同时降低计算开销。其达到了0.96 AUC-ROC和0.81 AUC-PR的极高准确率性能，超过了先前的基准。
引用
@article{arxiv.2305.11742,
title = {MedLens: Improve Mortality Prediction Via Medical Signs Selecting and Regression},
author = {Xuesong Ye and Jun Wu and Chengjie Mou and Weinan Dai},
journal= {arXiv preprint arXiv:2305.11742},
year = {2023}
}