患者工作量的多任务预测
计算机与社会
2019-01-04 v1 机器学习
机器学习
摘要
开发可靠的工作量预测模型可影响临床决策过程的诸多方面。医疗系统的主要挑战在于应对随时间的需求不确定性。对于为慢性疾病治疗提供服务的医疗机构，由于需要随时间的持续治疗，该问题更为关键。尽管近期一些研究者聚焦于探索工作量预测方法，但少数研究主要关注对医疗提供者工作量的定量度量进行预测。此外，在上述研究中多数仅关注单一机构内的工作量预测。先前研究的缺陷在于，未针对多个机构考察该问题，而即便患者状况相似，其所提供服务质量、所用设备与资源以及诊断与治疗流程也可能不同。为解决上述问题，本文提出一种利用全美VA机构患者数据预测患者工作量的框架。为捕捉具有相似属性患者的信息并提高预测精度，本研究开发了基于启发式聚类的单任务学习算法以及一种多任务学习方法。
引用
@article{arxiv.1901.00746,
title = {Multi-task Prediction of Patient Workload},
author = {Mohammad Hessam Olya and Dongxiao Zhu and Kai Yang},
journal= {arXiv preprint arXiv:1901.00746},
year = {2019}
}