勿作狼来了：重症监护中的远程监督多任务学习
机器学习
2020-07-15 v2 人工智能
机器学习
摘要
重症监护病房 (ICU) 的患者需要持续且密切的监护。为协助临床人员完成此任务，医院使用监测系统，若其算法指示患者状况可能恶化则触发视听报警。然而，当前的监测系统对运动伪影和技术错误极为敏感。结果，它们通常每位患者每天触发数百至数千次误报——将重要报警淹没在噪声中，并加剧临床人员的疲惫。在此情形下，数据 abundantly 可用，但由专家获取可信标注费力且昂贵。我们将来自多变量时间序列的误报减少问题构建为一个机器学习任务，并以一种新颖的多任务网络架构来解决，该架构通过多个相关辅助任务利用远程监督，以减少训练所需的昂贵标签数量。我们表明，我们的方法在真实世界 ICU 数据上相较若干 SOTA 基线取得显著改进，并就任务选择与架构选择在远程监督多任务学习中的重要性提供了新的见解。
引用
@article{arxiv.1802.05027,
title = {Not to Cry Wolf: Distantly Supervised Multitask Learning in Critical Care},
author = {Patrick Schwab and Emanuela Keller and Carl Muroi and David J. Mack and Christian Strässle and Walter Karlen},
journal= {arXiv preprint arXiv:1802.05027},
year = {2020}
}