医学概念的多层表示学习
机器学习
2016-02-18 v1
摘要
学习概念的高效表示已被证明是机器翻译或文档分类等许多应用的重要基础。对诊断、药物、操作码及就诊等医学概念的恰当表示将在医疗分析中有广泛应用。然而，在电子健康记录（EHR）中，患者的就诊序列每次就诊包含多个概念（诊断、操作和药物代码）。这种结构提供了两类关系信息，即就诊的顺序以及每次就诊中代码的共现。本工作中，我们提出 Med2Vec，它不仅从包含超过 300 万次就诊的大型 EHR 数据集中学习医学代码和就诊的分布式表示，还允许我们解释所学表示，且这些表示已得到临床专家的正面确认。在实验中，Med2Vec 在关键医疗应用上相比 Skip-gram、GloVe 和 stacked autoencoder 等流行基线有显著改进，同时提供具有临床意义的解释。
引用
@article{arxiv.1602.05568,
title = {Multi-layer Representation Learning for Medical Concepts},
author = {Edward Choi and Mohammad Taha Bahadori and Elizabeth Searles and Catherine Coffey and Jimeng Sun},
journal= {arXiv preprint arXiv:1602.05568},
year = {2016}
}