基于纵向健康数据的患者相似性分析
机器学习
2020-05-15 v1 计算机与社会
定量方法
应用统计
机器学习
摘要
医疗专业人员长期以来设想利用计算机巨大的处理能力，发掘电子健康记录中锁藏的新事实与医学知识。这些庞大的医疗档案包含关于就诊、检查和操作以及结局的时间分辨信息，共同构成个体患者历程。通过评估这些历程间的相似性，可揭示具有共同健康结局的疾病轨迹簇。将患者历程分配至特定簇，反过来可作为个性化结局预测与治疗选择的基础。该过程是一个非平凡的计算问题，因为它要求比较在不同时间与分辨率下捕获的、具有多维多模态特征的患者数据。在本综述中，我们全面概述了用于纵向数据患者相似性分析的工具与方法，并讨论其在改善临床决策制定方面的潜力。
引用
@article{arxiv.2005.06630,
title = {Patient Similarity Analysis with Longitudinal Health Data},
author = {Ahmed Allam and Matthias Dittberner and Anna Sintsova and Dominique Brodbeck and Michael Krauthammer},
journal= {arXiv preprint arXiv:2005.06630},
year = {2020}
}