基于在线 MixEHR 算法在真实世界数据中的表型检测
机器学习
2022-11-16 v2
摘要
从电子健康记录（EHR）与健康保险理赔中理解诊断、用药、手术与实验室检测的模式，对于认识疾病风险与高效的临床开发十分重要，而这通常需要与临床医生协作基于规则进行整理。我们将一种无监督表型算法 mixEHR 扩展为在线版本，使其能用于规模大一个数量级的数据集，包括一个大型美国理赔数据集与一个丰富的区域 EHR 数据集。除了重现先前观察到的疾病组外，我们发现了具有临床意义的疾病亚型与合并症。本工作扩展了一种有效的无监督学习方法，强化了已有的临床知识，并且是一种与临床医生高效协作的有前景的方法。
引用
@article{arxiv.2211.07549,
title = {Phenotype Detection in Real World Data via Online MixEHR Algorithm},
author = {Ying Xu and Romane Gauriau and Anna Decker and Jacob Oppenheim},
journal= {arXiv preprint arXiv:2211.07549},
year = {2022}
}
备注
Extended Abstract presented at Machine Learning for Health (ML4H) symposium 2022, November 28th, 2022, New Orleans, United States & Virtual, http://www.ml4h.cc, 6 pages