基于深度注意力神经网络的患者风险评估与警示症状检测
计算与语言
2018-10-01 v1 机器学习
机器学习
摘要
我们展示了真实世界患者分诊系统的一个可运行组件。给定特定患者表现，该系统能够评估医疗紧急程度，并就最佳照护地点与治疗时间发出最恰当的推荐。我们使用基于注意力的卷积神经网络架构，以 60 万份德文医生笔记进行训练。我们比较了两种方法：一种使用医疗笔记全文，另一种仅使用从文本中提取的选定医学实体列表。这些方法分别达到了 79% 和 66% 的准确率，但在 0.6 的置信度阈值下，准确率分别提升至 85% 和 75%。此外，为实现从医学角度使分类任务透明，实施了警示症状检测方法。该方法基于注意力分数的学习以及使用相同数据的自动验证方法。
引用
@article{arxiv.1809.10804,
title = {Patient Risk Assessment and Warning Symptom Detection Using Deep Attention-Based Neural Networks},
author = {Ivan Girardi and Pengfei Ji and An-phi Nguyen and Nora Hollenstein and Adam Ivankay and Lorenz Kuhn and Chiara Marchiori and Ce Zhang},
journal= {arXiv preprint arXiv:1809.10804},
year = {2018}
}
备注
10 pages, 2 figures, EMNLP workshop LOUHI 2018