利用多流 Transformer 从纵向医疗数据预测阿片类药物使用障碍
机器学习
2021-07-08 v2 人工智能
摘要
阿片类药物使用障碍(OUD)是一场公共卫生危机,每年在美国的医疗保健、工作场所生产力损失和犯罪方面造成数十亿美元的损失。分析纵向医疗数据对于解决医疗领域的许多现实问题至关重要。利用真实世界的纵向医疗数据,我们提出了一种称为 MUPOD 的新型多流 transformer 模型用于 OUD 识别。MUPOD 旨在通过关注这些数据流内部及之间的片段,同时分析多种类型的医疗数据流,例如药物和诊断。我们的模型在来自 392,492 名长期背痛问题患者的数据上进行了测试,表现出显著优于传统模型和近期开发的深度学习模型的性能。
引用
@article{arxiv.2103.08800,
title = {Predicting Opioid Use Disorder from Longitudinal Healthcare Data using Multi-stream Transformer},
author = {Sajjad Fouladvand and Jeffery Talbert and Linda P. Dwoskin and Heather Bush and Amy Lynn Meadows and Lars E. Peterson and Ramakanth Kavuluru and Jin Chen},
journal= {arXiv preprint arXiv:2103.08800},
year = {2021}
}
备注
This manuscript has been accepted by AMIA 2021 for oral presentation on November 1, 2021