通过典型患者利用电子健康记录预测和解释健康风险
机器学习
2023-12-19 v1 人工智能
摘要
利用电子健康记录（EHR）预测健康风险是近期备受关注的一个课题。深度学习模型通过对时序和特征交互进行建模已取得成功。然而，当面对就诊次数少或记录稀疏的患者时，这些方法学习到的表征不充分，导致性能不佳。受医生可能将患者与典型患者进行比较并从相似病例中做出决策这一事实的启发，我们提出了一种渐进式原型网络（Progressive Prototypical Network, PPN），用于选择典型患者作为原型，并利用其信息来增强给定患者的表征。特别地，我们提出了一个渐进式原型记忆模块和两个原型分离损失来更新原型。此外，还引入了一种新颖的融合方法，以更好地融合来自患者和原型的信息。在三个真实世界数据集上的实验表明，我们的模型在所有指标上均带来了提升。为了使我们的结果更容易被医生理解，我们开发了一个应用程序，网址为 http://ppn.ai-care.top。我们的代码已发布在 https://github.com/yzhHoward/PPN。
引用
@article{arxiv.2312.10977,
title = {Predict and Interpret Health Risk using EHR through Typical Patients},
author = {Zhihao Yu and Chaohe Zhang and Yasha Wang and Wen Tang and Jiangtao Wang and Liantao Ma},
journal= {arXiv preprint arXiv:2312.10977},
year = {2023}
}