MeSIN：用于用药推荐的多级选择交互网络
人工智能
2022-04-22 v1 信息检索
机器学习
摘要
利用电子健康记录(EHRs)为患者推荐药物，是智能医疗系统中一项关键的数据挖掘任务。它可协助医生更高效地进行临床决策。然而，EHR数据固有的复杂性使之成为一项挑战性任务：(1) 多级结构：EHR数据通常包含与决策路径紧密相关的多级结构，例如，实验室结果导致疾病诊断，进而促成所开药物；(2) 多序列交互：EHR数据中的多个序列通常彼此紧密关联；(3) 大量噪声：EHR数据中大量与任务无关的特征或噪声信息通常导致次优性能。为应对上述挑战，我们提出一种用于用药推荐的多级选择交互网络(MeSIN)。具体而言，MeSIN由三部分设计而成。首先，应用注意力选择模块(ASM)按各次入院中与推荐药物的相关性，为不同医疗编码嵌入分配灵活注意力分数。其次，我们引入一种新颖的交互长短时记忆网络(InLSTM)，借助校准的记忆增强单元与增强输入门，强化EHR数据中多级医疗序列的交互。最后，我们采用全局选择融合模块(GSFM)将多源信息嵌入融合为最终患者表征以用于药物推荐。为验证方法，已在真实临床数据集上开展广泛实验。结果证明了我们的框架相对于若干基线的一致优越性，并印证了所提方法的有效性。
引用
@article{arxiv.2104.11026,
title = {MeSIN: Multilevel Selective and Interactive Network for Medication Recommendation},
author = {Yang An and Liang Zhang and Mao You and Xueqing Tian and Bo Jin and Xiaopeng Wei},
journal= {arXiv preprint arXiv:2104.11026},
year = {2022}
}
备注
15 pages, 6 figures