利用财务记录与循环神经网络预测糖尿病疾病演进
机器学习
2020-03-23 v2 机器学习
摘要
在若干国家，慢性病患者的管理是一项重大且日益增长的健康挑战。诸如糖尿病之类的慢性病是一种持续长久且不会消失的疾病，常导致患者健康逐渐恶化。尽管近期工作涉及来自医院的原始电子健康记录(EHR)，本工作仅使用来自健康计划提供方(医疗理赔)的财务记录，通过自注意力循环神经网络预测糖尿病疾病演进。使用财务数据是由于其可能作为国际标准接口，因为记录标准对医疗过程进行编码。主要目标是评估高风险糖尿病患者，因此我们预测与糖尿病急性并发症相关的记录，如截肢与清创、血运重建和血液透析。我们的工作成功提前 60 至 240 天预测并发症，ROC 曲线下面积介于 0.81 至 0.94。本文描述在健康计划提供方内开发的进行中工作之前半部分，ROC 曲线下面积介于 0.81 至 0.83。该评估将使医疗提供方有机会更早干预并避免住院。我们旨在向个体患者提供个性化预测与个性化建议，以改善结局并降低成本。
引用
@article{arxiv.1811.09350,
title = {Predicting Diabetes Disease Evolution Using Financial Records and Recurrent Neural Networks},
author = {Rafael T. Sousa and Lucas A. Pereira and Anderson S. Soares},
journal= {arXiv preprint arXiv:1811.09350},
year = {2020}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018 arXiv:1811.07216