MURAL：一种基于无监督随机森林的电子健康记录数据嵌入方法
机器学习
2021-11-23 v1 人工智能
摘要
临床患者数据嵌入或可视化的一大挑战在于变量类型的异质性，包括连续化验值、分类诊断码以及缺失或不完整数据。尤其在 EHR 数据中，某些变量属于“非随机缺失（MNAR）”，系有意未采集，因而构成一种信息来源。例如，化验可能仅因疑似诊断而对部分患者被认为必要，而对其他患者则否。本文提出 MURAL 森林——一种用于表征含异质变量类型（如分类、连续、MNAR）数据的无监督随机森林。MURAL 森林由一组决策树构成，其中节点分裂变量随机选取，以使分裂使所有其他变量的边际熵最小。这使我们也能对 MNAR 变量和离散变量进行与连续变量一致的分裂。最终目标是通过患者间的平均树距离学习患者的 MURAL 嵌入。这些距离可输入 PHATE 等非线性降维方法以导出可可视化嵌入。尽管此类方法在连续值数据集（如单细胞 RNA 测序）中已很普遍，但在混合变量数据中尚未广泛使用。我们在一个人工数据集与两个临床数据集上展示了本方法的使用。我们表明，相较竞争方法，利用我们的方法可更准确地可视化和分类数据。最后，我们展示 MURAL 也可通过新近提出的树切片 Wasserstein 距离用于比较患者队列。
引用
@article{arxiv.2111.10452,
title = {MURAL: An Unsupervised Random Forest-Based Embedding for Electronic Health Record Data},
author = {Michal Gerasimiuk and Dennis Shung and Alexander Tong and Adrian Stanley and Michael Schultz and Jeffrey Ngu and Loren Laine and Guy Wolf and Smita Krishnaswamy},
journal= {arXiv preprint arXiv:2111.10452},
year = {2021}
}