基于灵活多模态 Transformer 的重症监护室临床结果多任务预测
机器学习
2021-11-11 v1 人工智能
摘要
近期基于 Transformer 模型架构的深度学习研究已在多个领域和任务中展现出最先进的性能，主要集中在计算机视觉和自然语言处理领域。尽管一些近期研究已将 Transformer 用于使用电子健康记录数据的临床任务，但它们在范围、灵活性和全面性上受到限制。在本研究中，我们提出了一种灵活的基于 Transformer 的 EHR 嵌入流水线和预测模型框架，其引入了对现有工作流的若干新颖改进，以利用医疗领域独有的数据属性。我们在重症监护室的案例研究中展示了我们灵活设计的可行性，其中我们的模型准确预测了与再入院和患者死亡率相关的七个临床结果，覆盖多个未来时间范围。
引用
@article{arxiv.2111.05431,
title = {Multi-Task Prediction of Clinical Outcomes in the Intensive Care Unit using Flexible Multimodal Transformers},
author = {Benjamin Shickel and Patrick J. Tighe and Azra Bihorac and Parisa Rashidi},
journal= {arXiv preprint arXiv:2111.05431},
year = {2021}
}