基于自监督学习与患者表型化的疼痛预测：一项预防阿片类药物成瘾的尝试
人工智能
2023-10-11 v1 机器学习
摘要
镰状细胞病（SCD）是一种以反复急性疼痛发作为特征的慢性遗传性疾病。阿片类药物常用于控制这些疼痛发作；此类药物在该疾病疼痛管理中的使用程度尚存争议。这些阿片类治疗的成瘾风险与副作用常会导致未来更多疼痛发作。因此，预测患者未来疼痛轨迹至关重要，以帮助患者管理其 SCD，在不损害治疗的前提下改善生活质量。由于疼痛记录主要由患者自我报告，获取大量疼痛记录以设计预测模型十分困难。因此，以纯监督方式解决疼痛预测问题成本高昂且令人痛苦（因需患者配合）。鉴于此挑战，我们提出使用自监督学习方法来解决疼痛预测问题。此外，对此类时间序列数据进行聚类对于患者表型化、通过识别“相似”患者来预测预后以及为同质患者亚组设计治疗指南至关重要。因此，我们提出一种用于时间序列数据聚类的自监督学习方法，每个聚类由具有相似未来疼痛特征的患者组成。在五年真实世界数据集上的实验表明，我们的模型优于最先进的基准，并识别出可转化为临床决策可操作信息的有意义聚类。
引用
@article{arxiv.2310.06075,
title = {Pain Forecasting using Self-supervised Learning and Patient Phenotyping: An attempt to prevent Opioid Addiction},
author = {Swati Padhee and Tanvi Banerjee and Daniel M. Abrams and Nirmish Shah},
journal= {arXiv preprint arXiv:2310.06075},
year = {2023}
}
备注
8 pages