基于注意力多任务神经网络的急性冠脉综合征患者结局驱动聚类
定量方法
2019-03-28 v2 机器学习
机器学习
摘要
聚类分析旨在将患者划分为表型异质的群体，并定义治疗同质的亚类，是数据驱动疾病分类与分型的重要方法。急性冠脉综合征（ACS）因冠状动脉血流突然减少所致，其疾病分类有助于指导治疗策略并提供预后见解。本文对 ACS 患者进行了结局驱动聚类分析，将治疗与患者结局共同作为患者状态的指示因素。采用带注意力的多任务神经网络作为建模框架，包括患者状态学习、聚类分析与特征重要性刻画。研究发现了七个患者簇，这些簇具有不同的特征，以及对院内主要不良心脏事件结局的不同风险特征。结果表明，使用结局驱动多任务神经网络进行聚类分析在患者分类与分型方面具有良好前景。
引用
@article{arxiv.1903.00197,
title = {Outcome-Driven Clustering of Acute Coronary Syndrome Patients using Multi-Task Neural Network with Attention},
author = {Eryu Xia and Xin Du and Jing Mei and Wen Sun and Suijun Tong and Zhiqing Kang and Jian Sheng and Jian Li and Changsheng Ma and Jianzeng Dong and Shaochun Li},
journal= {arXiv preprint arXiv:1903.00197},
year = {2019}
}