使用神经点过程预测临床并发症发作
机器学习
2025-11-25 v2 人工智能
摘要
在重症监护环境中提前预测医疗事件对于患者预后和资源管理至关重要。利用预测模型，医疗保健提供者可以在心脏骤停、败血症或呼吸衰竭等问题显现之前进行预判。最近，专注于在临床表现之前使用机器学习预测不良医疗事件发作的研究激增。然而，尽管这些模型在规定的时间间隔内对特定感兴趣不良事件的发生提供了时间预后预测，但其可解释性通常仍是一个挑战。在本工作中，我们探索了神经时间点过程在不良事件发作预测背景下的适用性，旨在解释临床路径并提供可解释的见解。我们的实验涵盖了六个最先进的神经点过程和六个重症监护数据集，每个数据集侧重于不同不良事件的发作。本工作代表了神经时间点过程在事件预测中的一种新型应用类别。
引用
@article{arxiv.2502.13290,
title = {Prediction of Clinical Complication Onset using Neural Point Processes},
author = {Sachini Weerasekara and Sagar Kamarthi and Jacqueline Isaacs},
journal= {arXiv preprint arXiv:2502.13290},
year = {2025}
}