基于高度非结构化数据预测非计划再入院
计算与语言
2020-04-07 v2 机器学习
机器学习
摘要
深度学习技术已成功应用于预测医疗中心患者的非计划再入院。这些模型的训练数据通常基于历史医疗记录，其中包含大量来自入院报告、转诊单、检查记录等的自由文本。迄今为止提出的大多数模型专为英文文本数据定制，并假设电子病历遵循发达国家常见的标准。这两个特点使它们难以应用于不一定遵循国际患者信息登记标准、或以英语以外语言存储文本信息的发展中国家。在本文中，我们提出了一种用于预测非计划再入院的深度学习架构，其消耗的数据相比文献中先前的模型结构化程度显著更低。我们利用该架构在一个主要包含西班牙语文文本的大型临床数据集上给出了此任务的首次结果。该数据集由智利一家医疗中心近10年的记录组成。在该数据集上，我们的模型取得了可与美国医疗中心针对同一任务获得的一些最新结果相媲美的结果(0.76 AUROC)。
引用
@article{arxiv.2003.11622,
title = {Predicting Unplanned Readmissions with Highly Unstructured Data},
author = {Constanza Fierro and Jorge Pérez and Javier Mora},
journal= {arXiv preprint arXiv:2003.11622},
year = {2020}
}