使用知识图谱嵌入主题模型建模电子健康记录数据
机器学习
2022-06-06 v1 信息检索
定量方法
摘要
电子健康记录（EHR）数据集的快速增长为系统性理解人类疾病提供了广阔机遇。然而，从其稀疏且含噪声的信息中有效提取临床知识一直受碍。我们提出KG-ETM，一种端到端基于知识图谱的多模态嵌入主题模型。KG-ETM通过从医学知识图谱学习嵌入，从EHR数据中提取潜在疾病主题。我们将KG-ETM应用于包含超100万患者的大规模EHR数据集，并基于EHR重建与药物插补评估其性能。KG-ETM在两任务上均展现出优于对比方法的性能。此外，我们的模型学到了具有临床意义的图信息EHR编码嵌入。另外，我们的模型还能发现可解释且准确的患者表示，用于患者分层与药物推荐。
引用
@article{arxiv.2206.01436,
title = {Modeling electronic health record data using a knowledge-graph-embedded topic model},
author = {Yuesong Zou and Ahmad Pesaranghader and Aman Verma and David Buckeridge and Yue Li},
journal= {arXiv preprint arXiv:2206.01436},
year = {2022}
}