基于归纳式异构图卷积网络的在线疾病自诊断
机器学习
2021-02-16 v2 人工智能
信息检索
摘要
我们提出一种医疗图卷积网络（HealGCN），基于电子健康记录（EHRs）为在线用户提供疾病自诊断服务。本文针对在线疾病诊断关注两个主要挑战：（1）通过图卷积网络服务冷启动用户；（2）通过症状检索系统处理稀缺的临床描述。为此，我们首先将 EHR 数据组织为异构图，该图能够建模用户、症状和疾病之间复杂的交互，并采用归纳式学习范式使图表示学习面向疾病诊断进行定制。然后，我们构建了一个疾病自诊断系统及其对应的基于 EHR 图的症候检索系统（GraphRet），该系统可通过追踪预定义的元路径搜索并提供相关替代症状列表。GraphRet 在面对描述稀缺的用户时，能够通过 EHR 图丰富初始症状集，从而获得更好的诊断准确率。最后，我们在大规模 EHR 数据集上验证了模型的优越性。
引用
@article{arxiv.2009.02625,
title = {Online Disease Self-diagnosis with Inductive Heterogeneous Graph Convolutional Networks},
author = {Zifeng Wang and Rui Wen and Xi Chen and Shilei Cao and Shao-Lun Huang and Buyue Qian and Yefeng Zheng},
journal= {arXiv preprint arXiv:2009.02625},
year = {2021}
}